論文の概要: Making the Flow Glow -- Robot Perception under Severe Lighting Conditions using Normalizing Flow Gradients

• arxiv url: http://arxiv.org/abs/2412.07565v1
• Date: Tue, 10 Dec 2024 14:56:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-11 14:36:57.479700
• Title: Making the Flow Glow -- Robot Perception under Severe Lighting Conditions using Normalizing Flow Gradients
• Title（参考訳）: フローグラウト - 正規化フロー勾配を用いた重度照明条件下でのロボット知覚-
• Authors: Simon Kristoffersson Lind, Rudolph Triebel, Volker Krüger,
• Abstract要約: アウト・オブ・ディストリビューション検出は、現実のデプロイメントにおける信頼性を保証するソリューションとして一般的に提案されている。 提案手法は,対象検出タスクにおいて,従来の手法に比べて60%高い成功率が得られることを示す。
• 参考スコア（独自算出の注目度）: 14.475978805963267
• License:
• Abstract: Modern robotic perception is highly dependent on neural networks. It is well known that neural network-based perception can be unreliable in real-world deployment, especially in difficult imaging conditions. Out-of-distribution detection is commonly proposed as a solution for ensuring reliability in real-world deployment. Previous work has shown that normalizing flow models can be used for out-of-distribution detection to improve reliability of robotic perception tasks. Specifically, camera parameters can be optimized with respect to the likelihood output from a normalizing flow, which allows a perception system to adapt to difficult vision scenarios. With this work we propose to use the absolute gradient values from a normalizing flow, which allows the perception system to optimize local regions rather than the whole image. By setting up a table top picking experiment with exceptionally difficult lighting conditions, we show that our method achieves a 60% higher success rate for an object detection task compared to previous methods.
• Abstract（参考訳）: 現代のロボット知覚はニューラルネットワークに大きく依存している。 ニューラルネットワークに基づく知覚は、特に困難な撮像条件において、現実世界のデプロイメントでは信頼性が低いことが知られている。 アウト・オブ・ディストリビューション検出は、現実のデプロイメントにおける信頼性を保証するソリューションとして一般的に提案されている。 従来の研究では、ロボット認識タスクの信頼性を向上させるために、分配外検出にフローモデルの正規化が利用可能であることが示されている。 具体的には、カメラパラメータは正規化フローから出力される可能性に対して最適化することができるため、知覚システムは難解な視覚シナリオに適応することができる。 本研究では,画像全体ではなく局所領域を最適化できる正規化フローからの絶対勾配値を提案する。 極めて困難な照明条件でテーブルトップピッキング実験をセットアップすることにより,従来の方法と比較して,物体検出タスクの成功率が60%高いことを示す。

関連論文リスト

• RFTrans: Leveraging Refractive Flow of Transparent Objects for Surface Normal Estimation and Manipulation [50.10282876199739]
  本稿では、透明物体の表面正規化と操作のためのRGB-Dに基づくRFTransを提案する。 RFNetは屈折流、物体マスク、境界を予測し、次いでF2Netは屈折流から表面の正常を推定する。 現実のロボットがタスクをつかむと、成功率は83%となり、屈折流が直接シミュレートから現実への移動を可能にすることが証明される。
  論文  参考訳（メタデータ） (2023-11-21T07:19:47Z)
• Learning-based Localizability Estimation for Robust LiDAR Localization [13.298113481670038]
  LiDARベースのローカライゼーションとマッピングは、多くの現代のロボットシステムにおける中核的なコンポーネントの1つである。 本研究では,ロボット動作中の(非)局所性を検出するニューラルネットワークに基づく推定手法を提案する。
  論文  参考訳（メタデータ） (2022-03-11T01:12:00Z)
• Deblurring via Stochastic Refinement [85.42730934561101]
  条件付き拡散モデルに基づくブラインドデブロアリングのための代替フレームワークを提案する。 提案手法は,PSNRなどの歪み指標の点で競合する。
  論文  参考訳（メタデータ） (2021-12-05T04:36:09Z)
• Low-Light Image Enhancement with Normalizing Flow [92.52290821418778]
  本稿では,この一対多の関係を正規化フローモデルを用いてモデル化する。 低照度画像/特徴を条件として取り、通常露光される画像の分布をガウス分布にマッピングすることを学ぶ可逆ネットワーク。 既存のベンチマークデータセットによる実験結果から,提案手法はより定量的,質的な結果を得ることができ,照度が良く,ノイズやアーティファクトが小さく,色も豊かになることがわかった。
  論文  参考訳（メタデータ） (2021-09-13T12:45:08Z)
• Optical Flow Estimation from a Single Motion-blurred Image [66.2061278123057]
  画像内の動きのぼかしは、基本的なコンピュータビジョンの問題に実用的な関心を持つ可能性があります。 本研究では,単一動画像からの光流れをエンドツーエンドで推定する新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-03-04T12:45:18Z)
• A Transfer Learning Framework for Anomaly Detection Using Model of Normality [2.9685635948299995]
  畳み込みニューラルネットワーク(CNN)技術は、画像ベースの異常検出アプリケーションにおいて非常に有用であることが証明されている。 モデル・オブ・ノーマル性(MoN)を用いた類似度尺度に基づく異常検出のための伝達学習フレームワークを提案する。 提案したしきい値設定により,大幅な性能向上が達成できることを示す。
  論文  参考訳（メタデータ） (2020-11-12T05:26:32Z)
• Calibrating Self-supervised Monocular Depth Estimation [77.77696851397539]
  近年、ニューラルネットワークが深度を学習し、画像のシーケンスに変化を起こさせる能力を示す方法は、訓練信号として自己スーパービジョンのみを使用している。 カメラの構成や環境に関する事前情報を取り入れることで,センサの追加に頼ることなく,自己教師型定式化を用いて,スケールのあいまいさを排除し,深度を直接予測できることを示す。
  論文  参考訳（メタデータ） (2020-09-16T14:35:45Z)
• Same Same But DifferNet: Semi-Supervised Defect Detection with Normalizing Flows [24.734388664558708]
  畳み込みニューラルネットワークによって抽出された特徴の記述性を利用して、その密度を推定する。 これらの可能性に基づいて、欠陥を示すスコアリング関数を開発する。 本稿では,新しいMVTec ADとMagnetic Tile Defectsデータセットに対する既存のアプローチよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2020-08-28T10:49:28Z)
• Object-based Illumination Estimation with Rendering-aware Neural Networks [56.01734918693844]
  個々の物体とその局所画像領域のRGBD外観から高速環境光推定手法を提案する。 推定照明により、仮想オブジェクトは実際のシーンと一貫性のあるシェーディングでARシナリオでレンダリングできる。
  論文  参考訳（メタデータ） (2020-08-06T08:23:19Z)
• ALCN: Adaptive Local Contrast Normalization [31.703987699518102]
  そこで本研究では,難解な照明条件において,様々な問題に容易に対応できる新しい照明正規化手法を提案する。 我々は,本手法が標準正規化法を著しく上回り,新しいアプリケーションごとに再学習する必要がなくなるため,普遍的であることも示している。
  論文  参考訳（メタデータ） (2020-04-15T13:40:03Z)

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。