論文の概要: Thermal Chameleon: Task-Adaptive Tone-mapping for Radiometric Thermal-Infrared images

• arxiv url: http://arxiv.org/abs/2410.18340v1
• Date: Thu, 24 Oct 2024 00:33:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-25 16:43:28.771941
• Title: Thermal Chameleon: Task-Adaptive Tone-mapping for Radiometric Thermal-Infrared images
• Title（参考訳）: サーマルチャメレオン:放射光熱赤外画像のためのタスク適応トーンマッピング
• Authors: Dong-Guw Lee, Jeongyun Kim, Younggun Cho, Ayoung Kim,
• Abstract要約: Thermal Chameleon Network (TCNet)は、14ビットのTIR画像に対するタスク適応型トーンマッピング手法である。 同じ画像を与えられたTCNetは、特定のタスクごとに調整されたTIRイメージの異なる表現をマップする。 TCNetは、物体検出と単眼深度推定による一般化性能の向上を示す。
• 参考スコア（独自算出の注目度）: 17.785948496883506
• License:
• Abstract: Thermal Infrared (TIR) imaging provides robust perception for navigating in challenging outdoor environments but faces issues with poor texture and low image contrast due to its 14/16-bit format. Conventional methods utilize various tone-mapping methods to enhance contrast and photometric consistency of TIR images, however, the choice of tone-mapping is largely dependent on knowing the task and temperature dependent priors to work well. In this paper, we present Thermal Chameleon Network (TCNet), a task-adaptive tone-mapping approach for RAW 14-bit TIR images. Given the same image, TCNet tone-maps different representations of TIR images tailored for each specific task, eliminating the heuristic image rescaling preprocessing and reliance on the extensive prior knowledge of the scene temperature or task-specific characteristics. TCNet exhibits improved generalization performance across object detection and monocular depth estimation, with minimal computational overhead and modular integration to existing architectures for various tasks. Project Page: https://github.com/donkeymouse/ThermalChameleon
• Abstract（参考訳）: サーマル赤外線(TIR)イメージングは、挑戦的な屋外環境でのナビゲーションに堅牢な認識を提供するが、14/16ビットフォーマットのため、テクスチャが悪く、画像のコントラストが低い問題に直面している。 従来の方法では,TIR画像のコントラストと光度整合性を高めるために,様々なトーンマッピング手法が用いられてきたが,トーンマッピングの選択はタスクや温度依存性の把握に大きく依存している。 本稿では,RAW 14ビットTIR画像に対するタスク適応型トーンマッピング手法であるThermer Chameleon Network(TCNet)を提案する。 同じ画像が与えられたとき、TCNetは特定のタスクごとに調整されたTIR画像の異なる表現をマップし、シーン温度やタスク固有の特徴の広範な事前知識に依存したヒューリスティックなイメージの再スケーリングを排除した。 TCNetは、オブジェクト検出と単眼深度推定にまたがる一般化性能を改善し、計算オーバーヘッドを最小限に抑え、様々なタスクのための既存のアーキテクチャへのモジュラー統合を実現している。 Project Page: https://github.com/donkeymouse/ThermalChameleon

関連論文リスト

• Adaptive Stereo Depth Estimation with Multi-Spectral Images Across All Lighting Conditions [58.88917836512819]
  本稿では,立体深度推定を取り入れた新しいフレームワークを提案し,正確な幾何学的制約を強制する。 照明の劣化がステレオマッチングに与える影響を軽減するために,劣化マスキングを導入する。 提案手法は,Multi-Spectral Stereo(MS2)データセット上でのSOTA(State-of-the-art)性能を実現する。
  論文  参考訳（メタデータ） (2024-11-06T03:30:46Z)
• Retinex-RAWMamba: Bridging Demosaicing and Denoising for Low-Light RAW Image Enhancement [71.13353154514418]
  低照度画像の強化、特に生ドメインからsRGBドメインへのマッピングのようなクロスドメインタスクは、依然として大きな課題である。 RAWMambaと呼ばれる新しいMambaスキャニング機構を提案する。 また,Retinex の先行したRetinex Decomposition Module (RDM) も提案する。
  論文  参考訳（メタデータ） (2024-09-11T06:12:03Z)
• XoFTR: Cross-modal Feature Matching Transformer [7.686047196317477]
  熱赤外(TIR)と可視画像の局所的特徴マッチングのためのクロスモーダル・クロスビュー法 XTRoFにはマスク付き画像モデリングと擬似熱画像拡張による微調整が組み込まれている。 提案手法の有効性を検証するため,包括的可視熱的データセットを収集し,提案手法が多くのベンチマークにおいて既存手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-04-15T11:46:24Z)
• DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image Enhancement [77.0360085530701]
  水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。 従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。 提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
  論文  参考訳（メタデータ） (2023-12-12T06:07:21Z)
• Perceptual Tone Mapping Model for High Dynamic Range Imaging [0.0]
  トーンマッピング演算子(TMO)は、周囲と表示条件を考慮せずにHDR画像の輝度を圧縮する。 現在の研究では、知覚的な色彩特性を取り入れることで、この問題に対処している。 TMOzは、より最適なカラフルネスの再現を実現するために、サラウンドと表示条件の両方の影響を考慮に入れている。
  論文  参考訳（メタデータ） (2023-09-29T04:45:48Z)
• Thermal Infrared Image Inpainting via Edge-Aware Guidance [8.630992878659084]
  本稿では,熱赤外画像の塗布に関する新しい課題を提案する。 我々は、壊れたTIR画像の細いエッジを完成させるためにエッジジェネレータを採用する。 完了したエッジは、モデルのエッジ認識を高めるために正規化重みとバイアスに投影される。 実験により,本手法はFLIRサーマルデータセットに対する最先端画像塗装手法より優れていることが示された。
  論文  参考訳（メタデータ） (2022-10-28T09:06:54Z)
• Does Thermal Really Always Matter for RGB-T Salient Object Detection? [153.17156598262656]
  本稿では,RGB-T有意物体検出(SOD)タスクを解決するために,TNetというネットワークを提案する。 本稿では,画像のグローバル照度を推定するためのグローバル照度推定モジュールを提案する。 一方, 2段階の局所化と相補化モジュールを導入し, 熱的特徴の物体位置化キューと内部整合キューをRGBモダリティに転送する。
  論文  参考訳（メタデータ） (2022-10-09T13:50:12Z)
• Multitask AET with Orthogonal Tangent Regularity for Dark Object Detection [84.52197307286681]
  暗黒環境下でのオブジェクト検出を強化するために,新しいマルチタスク自動符号化変換(MAET)モデルを提案する。 自己超越的な方法で、MAETは、現実的な照明劣化変換を符号化して復号することで、本質的な視覚構造を学習する。 我々は,合成および実世界のデータセットを用いて最先端のパフォーマンスを達成した。
  論文  参考訳（メタデータ） (2022-05-06T16:27:14Z)
• Exploring Thermal Images for Object Detection in Underexposure Regions for Autonomous Driving [67.69430435482127]
  アンダーエクスポージャー地域は、安全な自動運転のための周囲の完全な認識を構築するのに不可欠である。 サーマルカメラが利用可能になったことで、他の光学センサーが解釈可能な信号を捉えていない地域を探索するための重要な代替手段となった。 本研究は,可視光画像から熱画像へ学習を伝達するためのスタイル伝達手法を用いた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） (2020-06-01T09:59:09Z)

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。