論文の概要: Deep Learning-Based Image Recovery and Pose Estimation for Resident Space Objects
- arxiv url: http://arxiv.org/abs/2501.13009v1
- Date: Wed, 22 Jan 2025 16:50:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-23 13:30:26.195749
- Title: Deep Learning-Based Image Recovery and Pose Estimation for Resident Space Objects
- Title（参考訳）: 深層学習に基づく空間オブジェクトの画像復元とポーズ推定
- Authors: Louis Aberdeen, Mark Hansen, Melvyn L. Smith, Lyndon Smith,
- Abstract要約: 宇宙船とそのポーズを識別できる訓練モデルは、モデルトレーニングに利用可能な画像データが不足しているため、大きな課題となる。
本稿では,空間オブジェクト(RSO)画像のリアルな合成データセットを生成するための革新的なフレームワークを提案する。
提案した画像回復・回帰手法の解析を行い,実画像に適用した場合の性能,潜在的な拡張,限界について考察した。
- 参考スコア（独自算出の注目度）: 0.46873264197900916
- License:
- Abstract: As the density of spacecraft in Earth's orbit increases, their recognition, pose and trajectory identification becomes crucial for averting potential collisions and executing debris removal operations. However, training models able to identify a spacecraft and its pose presents a significant challenge due to a lack of available image data for model training. This paper puts forth an innovative framework for generating realistic synthetic datasets of Resident Space Object (RSO) imagery. Using the International Space Station (ISS) as a test case, it goes on to combine image regression with image restoration methodologies to estimate pose from blurred images. An analysis of the proposed image recovery and regression techniques was undertaken, providing insights into the performance, potential enhancements and limitations when applied to real imagery of RSOs. The image recovery approach investigated involves first applying image deconvolution using an effective point spread function, followed by detail object extraction with a U-Net. Interestingly, using only U-Net for image reconstruction the best pose performance was attained, reducing the average Mean Squared Error in image recovery by 97.28% and the average angular error by 71.9%. The successful application of U-Net image restoration combined with the Resnet50 regression network for pose estimation of the International Space Station demonstrates the value of a diverse set of evaluation tools for effective solutions to real-world problems such as the analysis of distant objects in Earth's orbit.
- Abstract（参考訳）: 地球の軌道における宇宙船の密度が増大するにつれて、その認識、ポーズ、軌道の識別は潜在的な衝突を回避し、破片除去操作を実行するために重要である。
しかし、宇宙船を識別できる訓練モデルとそのポーズは、モデルトレーニングに利用可能な画像データが不足しているため、大きな課題となる。
本稿では,空間オブジェクト(RSO)画像のリアルな合成データセットを生成するための革新的なフレームワークを提案する。
国際宇宙ステーション(ISS)をテストケースとして使用し、画像回帰と画像復元手法を組み合わせて、ぼやけた画像からポーズを推定する。
提案した画像回復・回帰手法の解析を行い,実画像に適用した場合の性能,潜在的な拡張,限界について考察した。
画像復元手法は,まず有効点展開関数を用いて画像デコンボリューションを適用し,続いてU-Netを用いた詳細オブジェクト抽出を行う。
興味深いことに、画像再構成にU-Netのみを用いることで、平均的な正方形誤差を97.28%減らし、平均的な角誤差を71.9%減らした。
U-Net画像復元とResnet50回帰ネットワークを併用して国際宇宙ステーションのポーズ推定に成功し、地球周回軌道における遠方の物体の分析などの現実の問題に対する効果的な解決のための様々な評価ツールの価値を実証した。
関連論文リスト
- Efficient Visual State Space Model for Image Deblurring [83.57239834238035]
畳み込みニューラルネットワーク(CNN)とビジョントランスフォーマー(ViT)は、画像復元において優れた性能を発揮している。
本稿では,画像のデブロアに対する簡易かつ効果的な視覚状態空間モデル(EVSSM)を提案する。
論文 参考訳（メタデータ） (2024-05-23T09:13:36Z) - DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。
画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。
MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
論文 参考訳（メタデータ） (2023-12-11T18:38:28Z) - On the Quantification of Image Reconstruction Uncertainty without
Training Data [5.057039869893053]
本稿では,深部生成モデルを用いて近似後部分布を学習する深部変分フレームワークを提案する。
フローベースモデルを用いてターゲット後部をパラメータ化し,KL(Kullback-Leibler)の発散を最小限に抑え,正確な不確実性推定を実現する。
提案手法は信頼性と高品質な画像再構成を実現し,信頼性の高い不確実性を推定する。
論文 参考訳（メタデータ） (2023-11-16T07:46:47Z) - Space Debris: Are Deep Learning-based Image Enhancements part of the
Solution? [9.117415383776695]
現在地球を周回している宇宙ゴミの量は、加速ペースで持続不可能なレベルに達している。
軌道定義された、登録された宇宙船と、ローグ/非活動的な宇宙物体の検知、追跡、識別、識別は、資産保護に不可欠である。
本研究の主な目的は、可視光スペクトルの単眼カメラで捉えた際の限界や画像アーチファクトを克服するために、ディープニューラルネットワーク(DNN)ソリューションの有効性を検討することである。
論文 参考訳（メタデータ） (2023-08-01T09:38:41Z) - Physics-Driven Turbulence Image Restoration with Stochastic Refinement [80.79900297089176]
大気乱流による画像歪みは、長距離光学画像システムにおいて重要な問題である。
ディープラーニングモデルが現実世界の乱流条件に適応するために、高速で物理学的なシミュレーションツールが導入された。
本稿では,物理統合復元ネットワーク(PiRN)を提案する。
論文 参考訳（メタデータ） (2023-07-20T05:49:21Z) - Uncertainty-Aware Null Space Networks for Data-Consistent Image
Reconstruction [0.0]
近年の深層学習の進歩をもとに,最先端の再構築手法が開発されている。
医用画像などの安全クリティカルな領域で使用するためには, ネットワーク再構築は, 利用者に再構成画像を提供するだけでなく, ある程度の信頼を得る必要がある。
この研究は、入力依存のスケールマップを推定することによって、データ依存の不確実性をモデル化する逆問題に対する最初のアプローチである。
論文 参考訳（メタデータ） (2023-04-14T06:58:44Z) - SU-Net: Pose estimation network for non-cooperative spacecraft on-orbit [8.671030148920009]
宇宙船のポーズ推定は、ランデブーやドッキング、破片の除去、軌道上の維持など、多くの軌道上の宇宙ミッションにおいて重要な役割を担っている。
衛星軌道上でのレーダ画像の特徴を分析し,Dense Residual U-shaped Network (DR-U-Net) と呼ばれる新しいディープラーニングニューラルネットワーク構造を提案し,画像の特徴を抽出する。
さらに, DR-U-Netに基づく新しいニューラルネットワーク,すなわち, 宇宙機U字型ネットワーク(SU-Net)を導入し, 非協調宇宙船のエンドツーエンドのポーズ推定を実現する。
論文 参考訳（メタデータ） (2023-02-21T11:14:01Z) - Near-filed SAR Image Restoration with Deep Learning Inverse Technique: A
Preliminary Study [5.489791364472879]
近接場合成開口レーダ(SAR)は、ターゲットの散乱分布ホットスポットの高解像度画像を提供する。
一方、撮像の結果は、サイドローブ、クラッタ、ノイズから必然的に劣化する。
イメージを復元するために、現在の手法では、例えば、点拡散関数(PSF)は空間的に一貫したものであり、ターゲットはスパース点散乱器などで構成されている。
我々は、分解モデルを空間的に可変な複素畳み込みモデルに再構成し、近接場SARのシステム応答を考慮した。
モデルに基づくディープラーニングネットワークは、復元するために設計されている
論文 参考訳（メタデータ） (2022-11-28T01:28:33Z) - Shape, Pose, and Appearance from a Single Image via Bootstrapped
Radiance Field Inversion [54.151979979158085]
提案手法では,自然画像に対する基本的エンドツーエンド再構築フレームワークを導入し,正確な地平のポーズが得られない。
そこで,モデルが解の第一の推算を生成するハイブリッド・インバージョン・スキームを適用する。
当社のフレームワークでは,イメージを10ステップでデレンダリングすることが可能で,現実的なシナリオで使用することが可能です。
論文 参考訳（メタデータ） (2022-11-21T17:42:42Z) - Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。
本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
論文 参考訳（メタデータ） (2021-08-19T11:02:25Z) - Spatial Attention Improves Iterative 6D Object Pose Estimation [52.365075652976735]
本稿では,RGB画像を用いた6次元ポーズ推定の改良手法を提案する。
私たちの主な洞察力は、最初のポーズ推定の後、オブジェクトの異なる空間的特徴に注意を払うことが重要です。
実験により,このアプローチが空間的特徴に順応することを学び,被写体の一部を無視することを学び,データセット間でのポーズ推定を改善することを実証した。
論文 参考訳（メタデータ） (2021-01-05T17:18:52Z)
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。