Fugu-MT 論文翻訳(概要): Computer vision tasks for intelligent aerospace missions: An overview

論文の概要: Computer vision tasks for intelligent aerospace missions: An overview

arxiv url: http://arxiv.org/abs/2407.06513v1
Date: Tue, 9 Jul 2024 02:50:54 GMT
ステータス: 処理完了
システム内更新日: 2024-07-10 19:25:27.825832
Title: Computer vision tasks for intelligent aerospace missions: An overview
Title（参考訳）: 知的宇宙飛行のためのコンピュータビジョンタスクの概要
Authors: Huilin Chen, Qiyu Sun, Fangfei Li, Yang Tang,
Abstract要約: コンピュータビジョンタスクは、宇宙船が宇宙環境を理解し、解釈するのを助けるため、航空宇宙ミッションにとって不可欠である。 Kalman FilteringやStructure from Motion、Multi-View Stereoといった従来の手法は、厳しい条件を扱うのに十分な堅牢性を持っていない。深層学習(DL)に基づく知覚技術は、従来の手法よりも大きな可能性を秘めている。
参考スコア（独自算出の注目度）: 10.929595257238548
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Computer vision tasks are crucial for aerospace missions as they help spacecraft to understand and interpret the space environment, such as estimating position and orientation, reconstructing 3D models, and recognizing objects, which have been extensively studied to successfully carry out the missions. However, traditional methods like Kalman Filtering, Structure from Motion, and Multi-View Stereo are not robust enough to handle harsh conditions, leading to unreliable results. In recent years, deep learning (DL)-based perception technologies have shown great potential and outperformed traditional methods, especially in terms of their robustness to changing environments. To further advance DL-based aerospace perception, various frameworks, datasets, and strategies have been proposed, indicating significant potential for future applications. In this survey, we aim to explore the promising techniques used in perception tasks and emphasize the importance of DL-based aerospace perception. We begin by providing an overview of aerospace perception, including classical space programs developed in recent years, commonly used sensors, and traditional perception methods. Subsequently, we delve into three fundamental perception tasks in aerospace missions: pose estimation, 3D reconstruction, and recognition, as they are basic and crucial for subsequent decision-making and control. Finally, we discuss the limitations and possibilities in current research and provide an outlook on future developments, including the challenges of working with limited datasets, the need for improved algorithms, and the potential benefits of multi-source information fusion.
Abstract（参考訳）: コンピュータビジョンタスクは、宇宙船が位置と向きを推定したり、3Dモデルを再構成したり、ミッションを成功させるために広く研究されてきた物体を認識するなど、宇宙環境の理解と解釈を助けるため、航空宇宙ミッションにとって不可欠である。しかし、Kalman Filtering、Structure from Motion、Multi-View Stereoといった従来の手法は厳しい条件を処理できるほど堅牢ではないため、信頼性の低い結果をもたらす。近年、ディープラーニング(DL)に基づく認識技術は、特に環境の変化に対する堅牢性の観点から、従来の手法よりも大きな可能性と性能を発揮している。 DLベースの航空宇宙認識をさらに前進させるため、様々なフレームワーク、データセット、戦略が提案され、将来の応用に有意義な可能性を示唆している。本研究では,認識タスクに使用される有望な技術を探究し,DLに基づく航空宇宙認識の重要性を強調することを目的とする。我々は、近年開発された古典的な宇宙プログラム、一般的なセンサー、従来の知覚方法など、航空宇宙の知覚の概要を提供することから始める。その後,宇宙飛行における3つの基本的な認識課題,すなわちポーズ推定,3次元再構成,認識について検討する。最後に,現在の研究の限界と可能性について論じ,限られたデータセットを扱うことの課題,改良されたアルゴリズムの必要性,マルチソース情報融合の潜在的なメリットなど,今後の発展を展望する。

関連論文リスト

Foundation Models for Remote Sensing and Earth Observation: A Survey [101.77425018347557]
本調査は、リモートセンシング基礎モデル(RSFM)の新しい分野を体系的にレビューする。モチベーションと背景の概要から始まり、続いて基本概念が導入された。我々はこれらのモデルを公開データセットと比較し、既存の課題について議論し、今後の研究方向性を提案する。
論文参考訳（メタデータ） (2024-10-22T01:08:21Z)
On the Element-Wise Representation and Reasoning in Zero-Shot Image Recognition: A Systematic Survey [82.49623756124357]
ゼロショット画像認識(ZSIR)は、目に見えない領域の認識と推論をモデルに与えることを目的としている。本稿では,近年の素子ワイドZSIRの進歩について概説する。まず、オブジェクト認識、合成認識、基礎モデルに基づくオープンワールド認識という3つの基本的なZSIRタスクを、統一された要素的視点に統合する。
論文参考訳（メタデータ） (2024-08-09T05:49:21Z)
Deep Learning-Based Object Pose Estimation: A Comprehensive Survey [73.74933379151419]
ディープラーニングに基づくオブジェクトポーズ推定の最近の進歩について論じる。また、複数の入力データモダリティ、出力ポーズの自由度、オブジェクト特性、下流タスクについても調査した。
論文参考訳（メタデータ） (2024-05-13T14:44:22Z)
Deep Learning for Trajectory Data Management and Mining: A Survey and Beyond [58.63558696061679]
軌道計算は、位置サービス、都市交通、公共安全など、様々な実用用途において重要である。トラジェクトリ・コンピューティングのためのディープラーニング(DL4Traj)の開発と最近の進歩について概観する。特に、軌道計算を増強する可能性を持つ大規模言語モデル(LLM)の最近の進歩をカプセル化する。
論文参考訳（メタデータ） (2024-03-21T05:57:27Z)
SpatialPIN: Enhancing Spatial Reasoning Capabilities of Vision-Language Models through Prompting and Interacting 3D Priors [42.85605789984155]
空間的視覚的質問応答(VQA)において、最先端の空間的推論強化VLMを訓練する本研究では,VLMの空間的推論能力を高めるためのフレームワークであるSpatialPINを提案する。我々の空間推論型VLMは、空間的VQAの様々な形態でうまく機能し、ピックやスタック、軌道計画といった下流ロボット作業に役立てることができる。
論文参考訳（メタデータ） (2024-03-18T17:38:29Z)
SpatialVLM: Endowing Vision-Language Models with Spatial Reasoning Capabilities [59.39858959066982]
空間的関係についての理解と推論は、視覚質問応答(VQA)とロボット工学の基本的な能力である。我々は,1000万枚の実画像に対して,最大20億個のVQAサンプルをスケール可能な3次元空間VQAデータ自動生成フレームワークを開発した。このようなデータに基づいてVLMを訓練することにより、定性的空間的VQAと定量的空間的VQAの両方において、その能力を大幅に向上する。
論文参考訳（メタデータ） (2024-01-22T18:01:01Z)
Challenges for Monocular 6D Object Pose Estimation in Robotics [12.037567673872662]
ロボット工学とコンピュータビジョンの両方から、最近の出版物について統一された視点を提供する。我々は,オクルージョン処理,新しいポーズ表現,カテゴリーレベルのポーズ推定の形式化と改善が依然として基本的な課題であることがわかった。これらの問題に対処するためには、オントロジ的推論、変形可能性処理、シーンレベルの推論、現実的なデータセット、アルゴリズムの生態的フットプリントを改善する必要がある。
論文参考訳（メタデータ） (2023-07-22T21:36:57Z)
A Survey on Deep Learning-Based Monocular Spacecraft Pose Estimation: Current State, Limitations and Prospects [7.08026800833095]
非協力宇宙船の姿勢を推定することは、軌道上の視覚ベースのシステムを実現するための重要なコンピュータビジョン問題である。コンピュータビジョンの一般的な傾向に続き、この問題を解決するためにディープラーニング(DL)手法を活用する研究がますます増えている。有望な研究段階の結果にもかかわらず、実際のミッションでこのような方法が使われるのを防ぐ大きな課題が今も残っている。
論文参考訳（メタデータ） (2023-05-12T09:52:53Z)
A Review on Viewpoints and Path-planning for UAV-based 3D Reconstruction [3.0479044961661708]
UAVが捉えたデータによる3D再構築も、研究や産業で注目を集めている。本稿では,大規模物体の3次元再構成のための視点と経路計画のためのモデルフリーおよびモデルベースアルゴリズムについて検討する。
論文参考訳（メタデータ） (2022-05-07T20:29:39Z)
Deep Learning-based Spacecraft Relative Navigation Methods: A Survey [3.964047152162558]
本調査は,現在の深層学習に基づく自律型宇宙船の相対航法について検討することを目的としている。宇宙船のランデブーや小さな天体や月への着陸など、具体的な軌道の応用に焦点を当てている。
論文参考訳（メタデータ） (2021-08-19T18:54:19Z)
Data-Driven Aerospace Engineering: Reframing the Industry with Machine Learning [49.367020832638794]
航空宇宙産業は、ビッグデータと機械学習を収益化しようとしている。最近のトレンドは、設計、製造、検証、サービスにおける重要な課題の文脈で検討される。
論文参考訳（メタデータ） (2020-08-24T22:40:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。