論文の概要: UWStereo: A Large Synthetic Dataset for Underwater Stereo Matching

• arxiv url: http://arxiv.org/abs/2409.01782v1
• Date: Tue, 3 Sep 2024 10:52:27 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-06 02:01:57.466549
• Title: UWStereo: A Large Synthetic Dataset for Underwater Stereo Matching
• Title（参考訳）: UWStereo: 水中ステレオマッチングのための大規模な合成データセット
• Authors: Qingxuan Lv, Junyu Dong, Yuezun Li, Sheng Chen, Hui Yu, Shu Zhang, Wenhan Wang,
• Abstract要約: UWStereoと呼ばれる大規模な合成データセットを導入する。 データセットには,左図に対する高密度かつ高精度な不均一アノテーションを備えた合成ステレオ画像ペアが29,568個含まれている。 既存の水中データセットと比較して、UWStereoはスケール、変動、アノテーション、フォトリアリスティックな画質の点で優れている。
• 参考スコア（独自算出の注目度）: 37.223366825356734
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite recent advances in stereo matching, the extension to intricate underwater settings remains unexplored, primarily owing to: 1) the reduced visibility, low contrast, and other adverse effects of underwater images; 2) the difficulty in obtaining ground truth data for training deep learning models, i.e. simultaneously capturing an image and estimating its corresponding pixel-wise depth information in underwater environments. To enable further advance in underwater stereo matching, we introduce a large synthetic dataset called UWStereo. Our dataset includes 29,568 synthetic stereo image pairs with dense and accurate disparity annotations for left view. We design four distinct underwater scenes filled with diverse objects such as corals, ships and robots. We also induce additional variations in camera model, lighting, and environmental effects. In comparison with existing underwater datasets, UWStereo is superior in terms of scale, variation, annotation, and photo-realistic image quality. To substantiate the efficacy of the UWStereo dataset, we undertake a comprehensive evaluation compared with nine state-of-the-art algorithms as benchmarks. The results indicate that current models still struggle to generalize to new domains. Hence, we design a new strategy that learns to reconstruct cross domain masked images before stereo matching training and integrate a cross view attention enhancement module that aggregates long-range content information to enhance the generalization ability.
• Abstract（参考訳）: 近年のステレオマッチングの進歩にもかかわらず、複雑な水中設定の拡張は、主に次のような理由により、未探索のままである。 1) 水中画像の可視性,低コントラスト,その他の悪影響 2) 深層学習モデルの訓練における地中真理データ取得の難しさ,すなわち画像の同時取得とそれに対応する画素単位の深度情報を水中環境下で推定すること。 水中ステレオマッチングのさらなる進歩を実現するため,UWStereoと呼ばれる大規模な合成データセットを導入する。 データセットには,左図に対する高密度かつ高精度な不均一アノテーションを備えた合成ステレオ画像ペアが29,568個含まれている。 我々はサンゴ、船、ロボットなどの多様な物体で満たされた4つの異なる水中シーンを設計する。 また、カメラモデル、照明、環境効果のさらなるバリエーションも引き起こす。 既存の水中データセットと比較して、UWStereoはスケール、変動、アノテーション、フォトリアリスティックな画質の点で優れている。 UWStereoデータセットの有効性を検証するため,9つの最先端アルゴリズムをベンチマークとして比較し,総合評価を行った。 結果は、現在のモデルは依然として新しい領域への一般化に苦慮していることを示している。 そこで我々は、ステレオマッチングトレーニングの前にクロスドメインマスク画像の再構成を学習し、長距離コンテンツ情報を集約して一般化能力を高めるクロスビューアテンション強化モジュールを統合する新しい戦略を設計する。

関連論文リスト

• Depth-aware Volume Attention for Texture-less Stereo Matching [67.46404479356896]
  実用的な屋外シナリオにおけるテクスチャ劣化に対処する軽量なボリューム改善手法を提案する。 画像テクスチャの相対的階層を抽出し,地中深度マップによって教師される深度体積を導入する。 局所的な微細構造と文脈は、体積凝集時のあいまいさと冗長性を緩和するために強調される。
  論文  参考訳（メタデータ） (2024-02-14T04:07:44Z)
• Exposure Bracketing is All You Need for Unifying Image Restoration and Enhancement Tasks [50.822601495422916]
  本稿では,露光ブラケット写真を利用して画像復元と拡張作業を統合することを提案する。 実世界のペアの収集が困難であるため,まず合成ペアデータを用いてモデルを事前学習する手法を提案する。 特に,時間変調リカレントネットワーク(TMRNet)と自己教師あり適応手法を提案する。
  論文  参考訳（メタデータ） (2024-01-01T14:14:35Z)
• Atlantis: Enabling Underwater Depth Estimation with Stable Diffusion [30.122666238416716]
  正確な地球深度データを用いて水中画像を生成する新しいパイプラインを提案する。 このアプローチは、水中深度推定のための教師付きモデルのトレーニングを容易にする。 我々は、特別に作成された水中、深度、テキストデータ三重項に基づいて訓練された独自のDepth2Underwater ControlNetを導入する。
  論文  参考訳（メタデータ） (2023-12-19T08:56:33Z)
• PUGAN: Physical Model-Guided Underwater Image Enhancement Using GAN with Dual-Discriminators [120.06891448820447]
  鮮明で視覚的に快適な画像を得る方法は、人々の共通の関心事となっている。 水中画像強調(UIE)の課題も、時間とともに現れた。 本稿では,UIE のための物理モデル誘導型 GAN モデルを提案する。 我々のPUGANは質的および定量的な測定値において最先端の手法より優れています。
  論文  参考訳（メタデータ） (2023-06-15T07:41:12Z)
• FLSea: Underwater Visual-Inertial and Stereo-Vision Forward-Looking Datasets [8.830479021890575]
  我々は,地中海と紅海の前方視像と視界慣性画像集合を収集した。 これらのデータセットは、障害物回避、視覚計測、3Dトラッキング、3Dローカライゼーションとマッピング(SLAM)、深さ推定など、いくつかの水中アプリケーションの開発に欠かせない。
  論文  参考訳（メタデータ） (2023-02-24T17:39:53Z)
• SyreaNet: A Physically Guided Underwater Image Enhancement Framework Integrating Synthetic and Real Images [17.471353846746474]
  水中画像強調(UIE)は高レベルの視覚関連水中作業に不可欠である。 合成データと実データの両方を統合するUIEのためのフレームワーク textitSyreaNet を提案する。
  論文  参考訳（メタデータ） (2023-02-16T12:57:52Z)
• Domain Adaptation for Underwater Image Enhancement via Content and Style Separation [7.077978580799124]
  水中画像は、カラーキャスト、低コントラスト、光吸収、屈折、散乱によるハジー効果に悩まされている。 近年の学習に基づく手法は水中画像の強調に驚くべき性能を示した。 本稿では,コンテンツとスタイル分離による水中画像強調のためのドメイン適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-17T09:30:29Z)
• Domain Adaptation for Underwater Image Enhancement [51.71570701102219]
  本稿では,ドメイン間およびドメイン内ギャップを最小限に抑えるために,新しい2相水中ドメイン適応ネットワーク(TUDA)を提案する。 第1段階では、入力画像のリアリズムを強化する翻訳部と、拡張部とを含む新しい二重配向ネットワークを設計する。 第2フェーズでは、ランクベースの水中品質評価手法が組み込まれている強化画像の評価品質に応じて、実データを簡単に分類する。
  論文  参考訳（メタデータ） (2021-08-22T06:38:19Z)
• Single Underwater Image Enhancement Using an Analysis-Synthesis Network [21.866940227491146]
  水中画像強調のためのほとんどの深層モデルは、水中画像形成モデルに基づく合成データセットの訓練に頼っている。 新しい水中合成データセットが最初に確立され、改良された環境光合成方程式が組み込まれている。 ANA-SYNという名前の統一されたフレームワークは、事前情報とデータ情報の協調の下で、効果的に水中画像を強化することができる。
  論文  参考訳（メタデータ） (2021-08-20T06:29:12Z)
• Underwater Image Restoration via Contrastive Learning and a Real-world Dataset [59.35766392100753]
  本稿では,教師なし画像から画像への翻訳フレームワークに基づく水中画像復元手法を提案する。 提案手法は, 生画像と復元画像の相互情報を最大化するために, コントラスト学習と生成敵ネットワークを利用した。
  論文  参考訳（メタデータ） (2021-06-20T16:06:26Z)

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。