論文の概要: Real-time Seafloor Segmentation and Mapping
- arxiv url: http://arxiv.org/abs/2504.10750v1
- Date: Mon, 14 Apr 2025 22:49:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-16 22:06:51.834686
- Title: Real-time Seafloor Segmentation and Mapping
- Title（参考訳）: リアルタイム海底セグメンテーションとマッピング
- Authors: Michele Grimaldi, Nouf Alkaabi, Francesco Ruscio, Sebastian Realpe Rua, Rafael Garcia, Nuno Gracias,
- Abstract要約: ポシドニア・オーシャンカ・メドウ(Posidonia Oceanica meadows)は、サバイバルと保全のために岩に大きく依存する海草の一種である。
ディープラーニングベースのセマンティックセグメンテーションと視覚自動監視システムは、さまざまなアプリケーションで有望であることを示している。
本稿では,自律型水中車両(AUV)がポシドニア大洋の牧草地の境界を自律的に調査できるようにするために,機械学習とコンピュータビジョン技術を組み合わせたフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Posidonia oceanica meadows are a species of seagrass highly dependent on rocks for their survival and conservation. In recent years, there has been a concerning global decline in this species, emphasizing the critical need for efficient monitoring and assessment tools. While deep learning-based semantic segmentation and visual automated monitoring systems have shown promise in a variety of applications, their performance in underwater environments remains challenging due to complex water conditions and limited datasets. This paper introduces a framework that combines machine learning and computer vision techniques to enable an autonomous underwater vehicle (AUV) to inspect the boundaries of Posidonia oceanica meadows autonomously. The framework incorporates an image segmentation module using an existing Mask R-CNN model and a strategy for Posidonia oceanica meadow boundary tracking. Furthermore, a new class dedicated to rocks is introduced to enhance the existing model, aiming to contribute to a comprehensive monitoring approach and provide a deeper understanding of the intricate interactions between the meadow and its surrounding environment. The image segmentation model is validated using real underwater images, while the overall inspection framework is evaluated in a realistic simulation environment, replicating actual monitoring scenarios with real underwater images. The results demonstrate that the proposed framework enables the AUV to autonomously accomplish the main tasks of underwater inspection and segmentation of rocks. Consequently, this work holds significant potential for the conservation and protection of marine environments, providing valuable insights into the status of Posidonia oceanica meadows and supporting targeted preservation efforts
- Abstract（参考訳）: ポシドニア・オーシャンカ・メドウ(Posidonia Oceanica meadows)は、サバイバルと保全のために岩に大きく依存する海草の一種である。
近年、この種の世界的な減少が懸念され、効率的なモニタリング・アセスメントツールの必要性が強調されている。
深層学習に基づくセマンティックセグメンテーションと視覚自動監視システムは、様々なアプリケーションにおいて有望であるが、複雑な水環境と限られたデータセットのため、水中環境でのパフォーマンスは依然として困難である。
本稿では,自律型水中車両(AUV)がポシドニア大洋の牧草地の境界を自律的に調査できるようにするために,機械学習とコンピュータビジョン技術を組み合わせたフレームワークを提案する。
このフレームワークは、既存のMask R-CNNモデルを用いた画像セグメンテーションモジュールと、Posidonia Oceanica meadow境界追跡のための戦略を組み込んでいる。
さらに,岩を専門とする新しいクラスを導入し,既存のモデルを強化し,総合的なモニタリングアプローチに寄与し,草地と周辺環境との複雑な相互作用をより深く理解することを目的としている。
実際の水中画像を用いて画像セグメンテーションモデルを検証し、実際の水中画像と実際の監視シナリオを再現して、実際のシミュレーション環境で全体検査フレームワークを評価した。
その結果,AUVは水中調査や岩石のセグメンテーションといった業務を自律的に行うことができることがわかった。
その結果,本研究は海洋環境の保全と保護に有意義な可能性を秘めており,ポシドニア大洋草原の現状に関する貴重な知見と保全活動の促進に寄与している。
関連論文リスト
- Underwater Image Enhancement using Generative Adversarial Networks: A Survey [1.2582887633807602]
ジェネレーティブ・Adversarial Networks (GAN) は水中写真を強化する強力なツールとして登場した。
GANは、海洋生物学や生態系モニタリング、サンゴ礁の健康評価、水中考古学、自律型水中車両(AUV)ナビゲーションなど、現実世界の応用に応用されている。
本稿では,物理・物理フリーモデルからCNNベースモデル,最先端のGANベース手法に至るまで,水中画像強調への主要なアプローチについて検討する。
論文 参考訳（メタデータ） (2025-01-10T06:41:19Z) - SeagrassFinder: Deep Learning for Eelgrass Detection and Coverage Estimation in the Wild [1.0617118349563253]
海草の草原は海洋生態系において重要な役割を担い、炭素の隔離のような重要なサービスを提供している。
海草被覆度を評価するために水中ビデオトランクターを解析する現在の手作業は、時間と主観的である。
本研究では,海底ビデオデータから海草の検出とカバレッジ推定のプロセスを自動化するためのディープラーニングモデルについて検討する。
論文 参考訳（メタデータ） (2024-12-20T18:50:54Z) - Sonar-based Deep Learning in Underwater Robotics: Overview, Robustness and Challenges [0.46873264197900916]
水中でのソナーの使用は、限られた訓練データと固有のノイズが特徴であり、頑丈さをモデル化する上での課題となっている。
本稿では,分類,物体検出,セグメンテーション,SLAMなどのソナーベース認知タスクモデルについて検討する。
ソナーベースの最先端データセット、シミュレータ、ニューラルネットワーク検証、アウト・オブ・ディストリビューション、敵攻撃などの堅牢性メソッドを体系化する。
論文 参考訳（メタデータ） (2024-12-16T15:03:08Z) - Composing Open-domain Vision with RAG for Ocean Monitoring and Conservation [41.94295877935867]
本稿では, 海洋アプリケーションにおける画像解析と映像解析のためのレジリエントでスケーラブルなソリューションを提案する。
我々は,本手法を,ビデオ漁船から魚を分類する予備的応用を通じて検証する。
論文 参考訳（メタデータ） (2024-12-03T08:34:42Z) - UW-SDF: Exploiting Hybrid Geometric Priors for Neural SDF Reconstruction from Underwater Multi-view Monocular Images [63.32490897641344]
ニューラルSDFに基づく多視点水中画像から対象物を再構成するフレームワークを提案する。
再建過程を最適化するためのハイブリッドな幾何学的先行手法を導入し、神経SDF再建の質と効率を著しく向上させる。
論文 参考訳（メタデータ） (2024-10-10T16:33:56Z) - Towards an Autonomous Surface Vehicle Prototype for Artificial Intelligence Applications of Water Quality Monitoring [68.41400824104953]
本稿では,人工知能アルゴリズムの利用と水質モニタリングのための高感度センシング技術に対処する車両プロトタイプを提案する。
車両には水質パラメータと水深を測定するための高品質なセンサーが装備されている。
ステレオカメラにより、実際の環境でのマクロプラスチックの検出と検出も可能である。
論文 参考訳（メタデータ） (2024-10-08T10:35:32Z) - FAFA: Frequency-Aware Flow-Aided Self-Supervision for Underwater Object Pose Estimation [65.01601309903971]
無人水中車両(UUV)の6次元ポーズ推定のための周波数認識フロー支援フレームワークであるFAFAを紹介する。
我々のフレームワークは、3DモデルとRGB画像のみに依存しており、実際のポーズアノテーションや奥行きのような非モダリティデータの必要性を軽減しています。
本研究では,一般的な水中オブジェクトポーズベンチマークにおけるFAFAの有効性を評価し,最先端手法と比較して顕著な性能向上を示した。
論文 参考訳（メタデータ） (2024-09-25T03:54:01Z) - A Computer Vision Approach to Estimate the Localized Sea State [45.498315114762484]
本研究は, 船橋に設置した静止カメラ1台が捉えた運用用封筒内の海像の活用に焦点を当てた。
収集した画像は、深層学習モデルを訓練し、ビューフォートスケールに基づいて海の状態を自動的に認識する。
論文 参考訳（メタデータ） (2024-07-04T09:07:25Z) - Semantic-aware Texture-Structure Feature Collaboration for Underwater
Image Enhancement [58.075720488942125]
水中画像の強調は海洋工学や水生ロボット工学において重要な技術として注目されている。
我々は,高レベルな意味認識事前学習モデルと協調して,効率的でコンパクトな拡張ネットワークを開発する。
また,提案手法を水中の有意な物体検出タスクに適用し,高レベルの視覚タスクに適した意味認識能力を明らかにする。
論文 参考訳（メタデータ） (2022-11-19T07:50:34Z) - 6D Camera Relocalization in Visually Ambiguous Extreme Environments [79.68352435957266]
本研究では,深海や地球外地形などの極端な環境下で得られた画像の列から,カメラのポーズを確実に推定する手法を提案する。
本手法は,室内ベンチマーク (7-Scenes データセット) における最先端手法と同等の性能を20%のトレーニングデータで達成する。
論文 参考訳（メタデータ） (2022-07-13T16:40:02Z) - SVAM: Saliency-guided Visual Attention Modeling by Autonomous Underwater
Robots [16.242924916178282]
本稿では,自律型水中ロボットの視覚的注意モデル(SVAM)に対する総合的なアプローチを提案する。
提案するSVAM-Netは,様々なスケールの深部視覚的特徴を統合し,自然水中画像に有効なSOD(Salient Object Detection)を実現する。
論文 参考訳（メタデータ） (2020-11-12T08:17:21Z)
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。