Fugu-MT 論文翻訳(概要): Dual-Space Augmented Intrinsic-LoRA for Wind Turbine Segmentation

論文の概要: Dual-Space Augmented Intrinsic-LoRA for Wind Turbine Segmentation

arxiv url: http://arxiv.org/abs/2412.20838v1
Date: Mon, 30 Dec 2024 10:06:02 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-31 16:07:41.544805
Title: Dual-Space Augmented Intrinsic-LoRA for Wind Turbine Segmentation
Title（参考訳）: 風車セグメンテーション用デュアルスペース強化イントラルシックローラ
Authors: Shubh Singhal, Raül Pérez-Gonzalo, Andreas Espersen, Antonio Agudo,
Abstract要約: 本稿では,画像レベルと潜時空間の両方を統合した新しい2次元空間拡張戦略を提案する。提案手法は分割精度を大幅に向上させ,WTB画像分割における最先端手法を上回った。
参考スコア（独自算出の注目度）: 13.258259022590266
License:
Abstract: Accurate segmentation of wind turbine blade (WTB) images is critical for effective assessments, as it directly influences the performance of automated damage detection systems. Despite advancements in large universal vision models, these models often underperform in domain-specific tasks like WTB segmentation. To address this, we extend Intrinsic LoRA for image segmentation, and propose a novel dual-space augmentation strategy that integrates both image-level and latent-space augmentations. The image-space augmentation is achieved through linear interpolation between image pairs, while the latent-space augmentation is accomplished by introducing a noise-based latent probabilistic model. Our approach significantly boosts segmentation accuracy, surpassing current state-of-the-art methods in WTB image segmentation.
Abstract（参考訳）: 風力タービンブレード (WTB) 画像の正確なセグメンテーションは, 自動損傷検出システムの性能に直接影響するため, 有効評価に重要である。大規模なユニバーサルビジョンモデルの発展にもかかわらず、これらのモデルはWTBセグメンテーションのようなドメイン固有のタスクでは性能が劣ることが多い。これを解決するために,画像分割のための固有のLoRAを拡張し,画像レベルと潜時空間の両方を統合した新しい二重空間拡張戦略を提案する。画像空間の増大は、画像対間の線形補間により達成される一方、潜時空間の増大はノイズベースの潜時確率モデルを導入することによって達成される。提案手法は, WTB画像分割における最先端手法を超越して, 分割精度を大幅に向上させる。

関連論文リスト

Wavelet-based Bi-dimensional Aggregation Network for SAR Image Change Detection [53.842568573251214]
3つのSARデータセットによる実験結果から、我々のWBANetは現代最先端の手法を著しく上回っていることが明らかとなった。我々のWBANetは、それぞれのデータセットで98.33%、96.65%、96.62%の正確な分類(PCC)を達成している。
論文参考訳（メタデータ） (2024-07-18T04:36:10Z)
PASTA: Towards Flexible and Efficient HDR Imaging Via Progressively Aggregated Spatio-Temporal Alignment [91.38256332633544]
PASTAは、HDRデゴスティングのためのプログレッシブアグリゲーションアグリゲーション・時空間アライメントフレームワークである。提案手法は,特徴分散中の階層的表現を活用することにより,有効性と効率性を実現する。実験結果から,従来のSOTA法よりもPASTAの方が視覚的品質と性能の両方で優れていることが示された。
論文参考訳（メタデータ） (2024-03-15T15:05:29Z)
CDSE-UNet: Enhancing COVID-19 CT Image Segmentation with Canny Edge Detection and Dual-Path SENet Feature Fusion [10.831487161893305]
CDSE-UNetは、Canny演算子エッジ検出とデュアルパスSENet機能融合機構を統合した、新しいUNetベースのセグメンテーションモデルである。我々は,UNetの標準畳み込みを代替するマルチスケール畳み込み手法を開発し,病変の大きさや形状に適応した。公開データセットの評価では、他の主要なモデルよりもCDSE-UNetの方が優れた性能を示している。
論文参考訳（メタデータ） (2024-03-03T13:36:07Z)
A locally statistical active contour model for SAR image segmentation can be solved by denoising algorithms [6.965119490863576]
実SAR画像に対する実験結果から,提案した画像分割モデルは,弱い辺やぼやけた辺での輪郭を効率的に阻止できることが示された。提案したFPRD1/FPRD2モデルは、スプリット・ブレグマン法に基づくSBRDモデルに必要な時間の約1/2(またはそれ以下)である。
論文参考訳（メタデータ） (2024-01-10T00:27:14Z)
Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation [63.15257949821558]
Referring Remote Sensing Image (RRSIS)は、コンピュータビジョンと自然言語処理を組み合わせた新しい課題である。従来の参照画像(RIS)アプローチは、空中画像に見られる複雑な空間スケールと向きによって妨げられている。本稿ではRMSIN(Rotated Multi-Scale Interaction Network)を紹介する。
論文参考訳（メタデータ） (2023-12-19T08:14:14Z)
Active contours driven by local and global intensity fitting energy with application to SAR image segmentation and its fast solvers [6.965119490863576]
本研究では,Aubert-Aujol(Aubert-Aujol(Aubert-Aujol)(Aubert-Aujol(Aubert-Aujol)(Aubert-Aujol)(Aubert-Aujol(Auber t-Aujol)(Aubert-Aujol)(Aubert-Aujol(Aubert-Aujol)(Aubert-Aujol)(Aubert-Aujol(Aubert-Aujol)(Aubert-Au jol)(Aubert-Aujol)(Aubert-Aujol)(Aubert-Aujol)(Aujol(Aubert-Aujol 最近、Jia-Zhaoによって提案された高速デノシングアルゴリズムに着想を得て、SAR画像分割問題の解法として2つの高速固定点アルゴリズムを提案する。
論文参考訳（メタデータ） (2023-12-19T04:34:15Z)
Heterogeneous Feature Distillation Network for SAR Image Semantic Segmentation [0.0]
本研究では,SAR-セグメンテーションモデルのトレーニングを支援するためのEO機能の導入方法について検討する。本稿では,HFD-Netと呼ばれるSAR画像のセグメント化のための不均一な特徴蒸留ネットワークを提案する。提案したHFD-Netは、7つの最先端SAR画像セマンティックセグメンテーション法より優れている。
論文参考訳（メタデータ） (2022-10-17T12:12:45Z)
Cross-View Panorama Image Synthesis [68.35351563852335]
PanoGANは、新しい敵対的フィードバックGANフレームワークである。 PanoGANは、最先端のアプローチよりもより説得力のある、高品質なパノラマ画像生成を可能にする。
論文参考訳（メタデータ） (2022-03-22T15:59:44Z)
BDA-SketRet: Bi-Level Domain Adaptation for Zero-Shot SBIR [52.78253400327191]
BDA-SketRetは、視覚データペアの空間的特徴と意味的特徴を整合させるために、バイレベルドメイン適応を実行する新しいフレームワークである。拡張されたSketchy、TU-Berlin、QuickDrawの実験結果は、文献よりも大幅に改善された。
論文参考訳（メタデータ） (2022-01-17T18:45:55Z)
Data Augmentation via Mixed Class Interpolation using Cycle-Consistent Generative Adversarial Networks Applied to Cross-Domain Imagery [16.870604081967866]
機械学習による物体検出と非可視画像内の分類は多くの分野において重要な役割を担っている。しかし、このような応用は、限られた量の非可視領域画像のためにしばしば苦しむ。本稿では,可視光帯域画像を利用した新しいデータ拡張手法の提案と評価を行う。
論文参考訳（メタデータ） (2020-05-05T18:53:38Z)
Unsupervised Bidirectional Cross-Modality Adaptation via Deeply Synergistic Image and Feature Alignment for Medical Image Segmentation [73.84166499988443]
我々は、Synergistic Image and Feature Alignment (SIFA)と名付けられた新しい教師なしドメイン適応フレームワークを提案する。提案するSIFAは、画像と特徴の両方の観点から、ドメインの相乗的アライメントを行う。 2つの異なるタスクに対する実験結果から,SIFA法は未ラベル対象画像のセグメンテーション性能を向上させるのに有効であることが示された。
論文参考訳（メタデータ） (2020-02-06T13:49:47Z)

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。