論文の概要: From Fog to Failure: How Dehazing Can Harm Clear Image Object Detection

• arxiv url: http://arxiv.org/abs/2502.02027v2
• Date: Wed, 05 Feb 2025 20:34:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-07 10:50:07.919082
• Title: From Fog to Failure: How Dehazing Can Harm Clear Image Object Detection
• Title（参考訳）: 霧から失敗へ:デハジングはどのようにして画像検出を損なうのか
• Authors: Ashutosh Kumar, Aman Chadha,
• Abstract要約: 本研究は,人間の視覚的手がかりに基づく脱ハジングを物体検出に組み込むことの課題について考察する。 本稿では,光検出装置が関心領域を検知し,空間的注意に基づくデハジングによって拡張する多段階フレームワークを提案する。 霧の環境では有効であるが、この手法は鮮明な画像の性能を予期せず劣化させる。
• 参考スコア（独自算出の注目度）: 2.76348549160803
• License:
• Abstract: This study explores the challenges of integrating human visual cue-based dehazing into object detection, given the selective nature of human perception. While human vision adapts dynamically to environmental conditions, computational dehazing does not always enhance detection uniformly. We propose a multi-stage framework where a lightweight detector identifies regions of interest (RoIs), which are then enhanced via spatial attention-based dehazing before final detection by a heavier model. Though effective in foggy conditions, this approach unexpectedly degrades the performance on clear images. We analyze this phenomenon, investigate possible causes, and offer insights for designing hybrid pipelines that balance enhancement and detection. Our findings highlight the need for selective preprocessing and challenge assumptions about universal benefits from cascading transformations.
• Abstract（参考訳）: 本研究では、人間の知覚の選択的性質を考慮して、人間の視覚的キューに基づく脱ヘイズを物体検出に組み込むことの課題について検討する。 人間の視覚は環境条件に動的に適応するが、計算的脱ハージングは必ずしも検出を均一に増強するとは限らない。 本稿では,軽量検出器が関心領域(RoIs)を検知し,さらに重み付きモデルによる最終検出前に空間的注意に基づくデハジングによって拡張する多段階フレームワークを提案する。 霧の環境では有効であるが、この手法は鮮明な画像の性能を予期せず劣化させる。 我々は、この現象を分析し、可能な原因を調査し、強化と検出のバランスをとるハイブリッドパイプラインを設計するための洞察を提供する。 本研究は,カスケード変換の普遍的メリットを前提とした,選択前処理の必要性と課題を明らかにする。

関連論文リスト

• LEAP:D - A Novel Prompt-based Approach for Domain-Generalized Aerial Object Detection [2.1233286062376497]
  学習可能なプロンプトを用いた革新的な視覚言語アプローチを提案する。 この手動プロンプトからのシフトは、ドメイン固有の知識干渉を減らすことを目的としている。 トレーニングプロセスを一段階のアプローチで合理化し、学習可能なプロンプトとモデルトレーニングを同時に更新する。
  論文  参考訳（メタデータ） (2024-11-14T04:39:10Z)
• Perceptual Piercing: Human Visual Cue-based Object Detection in Low Visibility Conditions [2.0409124291940826]
  本研究では,大気散乱と人間の視覚野機構に触発された新しい深層学習フレームワークを提案する。 本研究の目的は, 環境条件下での検知システムの精度と信頼性を高めることである。
  論文  参考訳（メタデータ） (2024-10-02T04:03:07Z)
• OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
  軌道予測はコンピュータビジョンと自律運転の基本である。 この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。 本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
  論文  参考訳（メタデータ） (2024-04-02T18:30:29Z)
• Attention Consistency Refined Masked Frequency Forgery Representation for Generalizing Face Forgery Detection [96.539862328788]
  既存の偽造検出方法は、未確認領域の真正性を決定する不満足な一般化能力に悩まされている。 ACMF(Attention Consistency Refined masked frequency forgery representation model)を提案する。 いくつかのパブリックフェイスフォージェリーデータセットの実験結果から,提案手法の性能は最先端の手法と比較して優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-21T08:58:49Z)
• Towards Spatial Equilibrium Object Detection [88.9747319572368]
  本稿では,現代物体検出器の空間的不平衡問題について考察する。 本稿では,ゾーンにおける検出性能の測定により,この問題の定量化を提案する。 これは、より一般化された測度を設計する動機となり、空間平衡精度と呼ばれる。
  論文  参考訳（メタデータ） (2023-01-14T17:33:26Z)
• Self-Calibrating Anomaly and Change Detection for Autonomous Inspection Robots [0.07366405857677225]
  視覚異常または変化検出アルゴリズムは、参照画像やデータセットとは異なる画像の領域を特定する。 本研究では,事前の未知環境における異常や変化を検出するための総合的なディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-08-26T09:52:12Z)
• Adversarially-Aware Robust Object Detector [85.10894272034135]
  本稿では,ロバスト検出器 (RobustDet) を提案する。 本モデルは, クリーン画像の検出能力を維持しながら, 傾きを効果的に解き, 検出堅牢性を著しく向上させる。
  論文  参考訳（メタデータ） (2022-07-13T13:59:59Z)
• Robust Region Feature Synthesizer for Zero-Shot Object Detection [87.79902339984142]
  我々は,クラス内セマンティック・ディバージングコンポーネントとクラス間構造保存コンポーネントを含む,新しいゼロショットオブジェクト検出フレームワークを構築した。 リモートセンシング画像においてゼロショット物体検出を行う最初の研究である。
  論文  参考訳（メタデータ） (2022-01-01T03:09:15Z)
• A Generative Approach for Detection-driven Underwater Image Enhancement [19.957923413999673]
  本稿では,GAN(Generative Adversarial Network)に基づく画像強調とダイバー検出タスクを統合したモデルを提案する。 提案手法はGAN目的関数を再構成し,事前に訓練されたダイバーディテクタの情報を含む。 我々は,最先端のダイバー検出器を用いて,スキューバダイバーの大規模データセット上でネットワークをトレーニングし,海洋探査から収集した画像上でその有用性を示す。
  論文  参考訳（メタデータ） (2020-12-10T21:33:12Z)
• Slender Object Detection: Diagnoses and Improvements [74.40792217534]
  本稿では,超高アスペクト比,すなわちtextbfslender オブジェクトの特定タイプの検出について検討する。 古典的物体検出法では、細い物体に対してのみ評価される場合、COCO上の18.9%のmAPの劇的な低下が観察される。
  論文  参考訳（メタデータ） (2020-11-17T09:39:42Z)

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。