論文の概要: Breaking The Ice: Video Segmentation for Close-Range Ice-Covered Waters
- arxiv url: http://arxiv.org/abs/2411.05225v2
- Date: Mon, 11 Nov 2024 03:27:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-12 14:09:35.737235
- Title: Breaking The Ice: Video Segmentation for Close-Range Ice-Covered Waters
- Title（参考訳）: 氷を割る: クローズラージした氷でできた水の動画
- Authors: Corwin Grant Jeon MacMillan, K. Andrea Scott, Zhao Pan,
- Abstract要約: 北極海での急激な氷の後退は、2060年までには氷のない夏を予測し、新しい海航路を開くが、信頼できる航行手段を必要とする。
現在のアプローチは主観的専門家による判断に大きく依存しており、自動化されたデータ駆動型ソリューションの必要性を強調している。
本研究は, 船載光学データを用いた機械学習による氷条件の評価を行い, 946画像の微妙な注釈付きデータセットを導入した。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Rapid ice recession in the Arctic Ocean, with predictions of ice-free summers by 2060, opens new maritime routes but requires reliable navigation solutions. Current approaches rely heavily on subjective expert judgment, underscoring the need for automated, data-driven solutions. This study leverages machine learning to assess ice conditions using ship-borne optical data, introducing a finely annotated dataset of 946 images, and a semi-manual, region-based annotation technique. The proposed video segmentation model, UPerFlow, advances the SegFlow architecture by incorporating a six-channel ResNet encoder, two UPerNet-based segmentation decoders for each image, PWCNet as the optical flow encoder, and cross-connections that integrate bi-directional flow features without loss of latent information. The proposed architecture outperforms baseline image segmentation networks by an average 38\% in occluded regions, demonstrating the robustness of video segmentation in addressing challenging Arctic conditions.
- Abstract（参考訳）: 北極海での急激な氷の後退は、2060年までには氷のない夏を予測し、新しい海航路を開くが、信頼できる航行手段を必要とする。
現在のアプローチは主観的専門家による判断に大きく依存しており、自動化されたデータ駆動型ソリューションの必要性を強調している。
本研究は, 船舶搭載光データを用いた氷条件評価に機械学習を活用し, 946画像の微妙な注釈付きデータセット, 半手動の領域ベースアノテーション技術を導入した。
提案したビデオセグメンテーションモデルであるUPerFlowは,6チャンネルのResNetエンコーダ,各画像用の2つのUPerNetベースのセグメンテーションデコーダ,光フローエンコーダとしてのPWCNet,遅延情報を失うことなく双方向フロー機能を統合したクロスコネクションを組み込むことで,SegFlowアーキテクチャを進化させる。
提案アーキテクチャは,北極圏の難易度に対処する上で,ビデオセグメンテーションのロバスト性を実証し,隠蔽領域の平均38.5%のベースライン画像セグメンテーションネットワークより優れていた。
関連論文リスト
- StreakNet-Arch: An Anti-scattering Network-based Architecture for Underwater Carrier LiDAR-Radar Imaging [48.30281861646519]
本稿では,水中キャリアLiDAR-Radar(UCLR)イメージングシステム用に設計された新しい信号処理アーキテクチャであるStreakNet-Archを紹介する。
StreakNet-Archは、信号処理をリアルタイムなエンドツーエンドのバイナリ分類タスクとして定式化する。
本稿では,ストリークチューブカメライメージを注目ネットワークに埋め込み,学習帯域通過フィルタとして効果的に機能する手法を提案する。
論文 参考訳（メタデータ） (2024-04-14T06:19:46Z) - Moving Object Proposals with Deep Learned Optical Flow for Video Object
Segmentation [1.551271936792451]
我々は、移動オブジェクト提案(MOP)を得るために、ニューラルネットワークの最先端アーキテクチャを提案する。
まず、教師なし畳み込みニューラルネットワーク(UnFlow)をトレーニングし、光学的フロー推定を生成する。
次に、光学フローネットの出力を、完全に畳み込みのSegNetモデルに描画する。
論文 参考訳（メタデータ） (2024-02-14T01:13:55Z) - Spatial-Assistant Encoder-Decoder Network for Real Time Semantic
Segmentation [2.462706420556381]
本稿では,2つのアーキテクチャを融合させるために,SANet(Spatial-Assistant-Decoder Network)を提案する。
全体的なアーキテクチャでは、エンコーダ-デコーダの設計を維持しながら、エンコーダの中央部分に特徴マップを保持する。
提案手法の有効性を確認するため,我々のSANetモデルは,リアルタイムCamVidおよび都市景観データセット上での競合的な結果を得た。
論文 参考訳（メタデータ） (2023-09-19T10:59:42Z) - AMD-HookNet for Glacier Front Segmentation [17.60067480799222]
氷河の開削前位置の変化に関する知識は 氷河の状態を評価する上で重要です
深層学習に基づく手法は、光学衛星画像やレーダー衛星画像から氷河の前部線を削る大きな可能性を示している。
本研究では,新しい氷河養生フロントセグメンテーションフレームワークであるAttention-Multi-hooking-Deep-supervision HookNetを提案する。
論文 参考訳（メタデータ） (2023-02-06T12:39:40Z) - Flow-guided Semi-supervised Video Object Segmentation [14.357395825753827]
半教師付きビデオオブジェクトセグメンテーションのための光フロー誘導手法を提案する。
光フローと画像から組み合わせた情報を抽出するモデルを提案する。
DAVIS 2017とYouTube-VOS 2019の実験では、光学フローから抽出した情報を元のイメージブランチに統合することで、パフォーマンスが向上することが示された。
論文 参考訳（メタデータ） (2023-01-25T10:02:31Z) - Spatio-Temporal Recurrent Networks for Event-Based Optical Flow
Estimation [47.984368369734995]
本稿では,イベントベース光フロー推定のためのニューラルネットアーキテクチャを提案する。
このネットワークは、Multi-Vehicle Stereo Event Cameraデータセット上で、セルフ教師付き学習でエンドツーエンドにトレーニングされている。
既存の最先端の手法を大きなマージンで上回る結果が得られた。
論文 参考訳（メタデータ） (2021-09-10T13:37:37Z) - EA-Net: Edge-Aware Network for Flow-based Video Frame Interpolation [101.75999290175412]
補間フレーム内のエッジを保存することにより,画像のぼかしを低減し,オブジェクトの明確な形状を得る。
提案するエッジアウェアネットワーク(eanet)は、エッジ情報をフレームタスクに統合する。
フローマップの推定において,フレームエッジを強調する3つのエッジアウェア機構が開発されている。
論文 参考訳（メタデータ） (2021-05-17T08:44:34Z) - Bayesian U-Net for Segmenting Glaciers in SAR Imagery [7.960675807187592]
不確実性を計算し,新しい二段階プロセスとして不確実性最適化手法として用いることを提案する。
ネットワークへの不確実性マップの供給は95.24%のdice類似性をもたらす。
これは、最先端の決定論的U-Netベースの氷河セグメンテーションパイプラインと比較して、全体的なセグメンテーション性能の改善である。
論文 参考訳（メタデータ） (2021-01-08T23:17:49Z) - Beyond Single Stage Encoder-Decoder Networks: Deep Decoders for Semantic
Image Segmentation [56.44853893149365]
セマンティックセグメンテーションのための単一エンコーダ-デコーダ手法は、セマンティックセグメンテーションの品質とレイヤー数あたりの効率の観点からピークに達している。
そこで本研究では,より多くの情報コンテンツを取得するために,浅層ネットワークの集合を用いたデコーダに基づく新しいアーキテクチャを提案する。
アーキテクチャをさらに改善するために,ネットワークの注目度を高めるために,クラスの再バランスを目的とした重み関数を導入する。
論文 参考訳（メタデータ） (2020-07-19T18:44:34Z) - Interactive Video Object Segmentation Using Global and Local Transfer
Modules [51.93009196085043]
我々はアノテーションネットワーク(A-Net)と転送ネットワーク(T-Net)からなるディープニューラルネットワークを開発する。
A-Netは、フレーム上のユーザ記述を前提として、エンコーダ-デコーダアーキテクチャに基づいたセグメンテーション結果を生成する。
ユーザスクリブルをエミュレートし,補助的な損失を生かして,ネットワーク全体を2段階に分けてトレーニングする。
論文 参考訳（メタデータ） (2020-07-16T06:49:07Z) - Cascaded Deep Video Deblurring Using Temporal Sharpness Prior [88.98348546566675]
提案アルゴリズムは主に,中間潜水フレームと潜水フレームの復元ステップから光フローを推定する。
まず、中間潜伏フレームから光フローを推定し、推定した光フローに基づいて潜伏フレームを復元する深部CNNモデルを開発する。
ビデオデブロアリングのドメイン知識を探索することで、深層CNNモデルをよりコンパクトで効率的なものにすることができることを示す。
論文 参考訳（メタデータ） (2020-04-06T09:13:49Z)
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。