論文の概要: Journey into Automation: Image-Derived Pavement Texture Extraction and Evaluation

• arxiv url: http://arxiv.org/abs/2501.02414v1
• Date: Sun, 05 Jan 2025 01:46:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-07 17:08:29.240063
• Title: Journey into Automation: Image-Derived Pavement Texture Extraction and Evaluation
• Title（参考訳）: 自動化への旅:イメージ駆動舗装テクスチャ抽出と評価
• Authors: Bingjie Lu, Han-Cheng Dan, Yichen Zhang, Zhetao Huang,
• Abstract要約: 平均テクスチャ深さ(MTD)はアスファルト舗装のスキッド抵抗を評価し,道路安全を確保する上で重要である。 本研究では,舗装画像からテクスチャ特徴を抽出し,MTDを評価する自動システムの開発に焦点をあてる。
• 参考スコア（独自算出の注目度）: 1.6329554017117616
• License:
• Abstract: Mean texture depth (MTD) is pivotal in assessing the skid resistance of asphalt pavements and ensuring road safety. This study focuses on developing an automated system for extracting texture features and evaluating MTD based on pavement images. The contributions of this work are threefold: firstly, it proposes an economical method to acquire three-dimensional (3D) pavement texture data; secondly, it enhances 3D image processing techniques and formulates features that represent various aspects of texture; thirdly, it establishes multivariate prediction models that link these features with MTD values. Validation results demonstrate that the Gradient Boosting Tree (GBT) model achieves remarkable prediction stability and accuracy (R2 = 0.9858), and field tests indicate the superiority of the proposed method over other techniques, with relative errors below 10%. This method offers a comprehensive end-to-end solution for pavement quality evaluation, from images input to MTD predictions output.
• Abstract（参考訳）: 平均テクスチャ深さ(MTD)はアスファルト舗装のスキッド抵抗を評価し,道路安全を確保する上で重要である。 本研究では,舗装画像からテクスチャ特徴を抽出し,MTDを評価する自動システムの開発に焦点をあてる。 まず,3次元舗装テクスチャデータを取得するための経済的な手法を提案し,第2に,テクスチャのさまざまな側面を表す3次元画像処理技術と特徴の定式化を強化し,第3に,これらの特徴をMTD値とリンクする多変量予測モデルを構築した。 検証結果から,GBTモデルが予測安定性と精度を著しく向上し(R2 = 0.9858),他の手法よりも提案手法が優れていることを示すとともに,相対誤差が10%以下であることを示す。 本手法は,画像入力からMTD予測出力まで,舗装品質評価のための総合的なエンドツーエンドソリューションを提供する。

関連論文リスト

• Dual-Level Precision Edges Guided Multi-View Stereo with Accurate Planarization [3.597821311597427]
  低テクスチャ領域のマルチビューステレオ (MVS) 再構築が注目されている。 従来のMVSメソッドは、オブジェクト境界と限られた知覚範囲をまたぐような問題にしばしば遭遇する。 平面モデル構築のロバスト性を高めるため、細部および粗部を含む二段精度エッジ情報を導入する。 提案手法は,ETH3D と Tanks & Temples ベンチマークの最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-12-29T02:54:01Z)
• A Quantitative Evaluation of Score Distillation Sampling Based Text-to-3D [54.78611187426158]
  本研究では,SDS手法の故障事例を定量的に分析し,人間の評価によって相互に検証する,より客観的な定量的評価指標を提案する。 計算効率の良い新しいベースラインモデルを設計することで,この解析の有効性を実証する。
  論文  参考訳（メタデータ） (2024-02-29T00:54:09Z)
• RadOcc: Learning Cross-Modality Occupancy Knowledge through Rendering Assisted Distillation [50.35403070279804]
  マルチビュー画像を用いた3次元シーンの占有状況とセマンティクスを推定することを目的とした,新たな課題である3D占有予測手法を提案する。 本稿では,RandOccを提案する。Rendering Assisted distillation paradigm for 3D Occupancy prediction。
  論文  参考訳（メタデータ） (2023-12-19T03:39:56Z)
• PaintHuman: Towards High-fidelity Text-to-3D Human Texturing via Denoised Score Distillation [89.09455618184239]
  テキスト・ツー・3D世代における最近の進歩は画期的なものである。 そこで我々はPaintHumanというモデルを提案し,その課題を2つの側面から解決する。 奥行きマップを手引きとして,現実的なセマンティックなテクスチャの整合性を保証する。
  論文  参考訳（メタデータ） (2023-10-14T00:37:16Z)
• CarPatch: A Synthetic Benchmark for Radiance Field Evaluation on Vehicle Components [77.33782775860028]
  車両の新たな総合ベンチマークであるCarPatchを紹介する。 内在カメラパラメータと外在カメラパラメータを付加した画像のセットに加えて、各ビューに対して対応する深度マップとセマンティックセグメンテーションマスクが生成されている。 グローバルとパートベースのメトリクスは、いくつかの最先端技術を評価し、比較し、より良い特徴付けるために定義され、使われてきた。
  論文  参考訳（メタデータ） (2023-07-24T11:59:07Z)
• From 2D to 3D: Re-thinking Benchmarking of Monocular Depth Prediction [80.67873933010783]
  我々は,MDPが現在,3Dアプリケーションにおける予測の有用性を評価するのに有効な指標に頼っていることを論じる。 これにより、2Dベースの距離を最適化するのではなく、シーンの3D構造を正確に認識し、推定に向けて改善する新しい手法の設計と開発が制限される。 本稿では,MDP手法の3次元幾何評価に適した指標セットと,提案手法に不可欠な室内ベンチマークRIO-D3Dを提案する。
  論文  参考訳（メタデータ） (2022-03-15T17:50:54Z)
• 3D Human Texture Estimation from a Single Image with Transformers [106.6320286821364]
  単一画像からの3次元人間のテクスチャ推定のためのトランスフォーマーベースのフレームワークを提案する。 また,RGBモデルとテクスチャフローモデルを組み合わせたマスク融合方式を提案する。
  論文  参考訳（メタデータ） (2021-09-06T16:00:20Z)
• Vehicle Reconstruction and Texture Estimation Using Deep Implicit Semantic Template Mapping [32.580904361799966]
  車両の3次元形状と内在的なテクスチャを,非校正単分子入力から回収する有効なソリューションであるVERTEXを導入する。 グローバルな特徴とローカルな特徴を融合させることで、我々のアプローチは目に見える領域と見えない領域の両方で一貫した、詳細なテクスチャを生成することができる。
  論文  参考訳（メタデータ） (2020-11-30T09:27:10Z)

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。