Fugu-MT 論文翻訳(概要): UKDM: Underwater keypoint detection and matching using underwater image enhancement techniques

論文の概要: UKDM: Underwater keypoint detection and matching using underwater image enhancement techniques

arxiv url: http://arxiv.org/abs/2504.11063v1
Date: Tue, 15 Apr 2025 10:52:19 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-16 22:09:48.838195
Title: UKDM: Underwater keypoint detection and matching using underwater image enhancement techniques
Title（参考訳）: UKDM:水中画像強調技術を用いた水中キーポイント検出とマッチング
Authors: Pedro Diaz-Garcia, Felix Escalona, Miguel Cazorla,
Abstract要約: 生成的敵ネットワークや畳み込みニューラルネットワークを含む高度なディープラーニングモデルを適用して、キーポイントの検出とマッチングを改善する。各種水中データセットにおけるこれらの手法の性能評価を行い,従来の手法に比べて有意な改善が認められた。
参考スコア（独自算出の注目度）: 2.10796947080293
License:
Abstract: The purpose of this paper is to explore the use of underwater image enhancement techniques to improve keypoint detection and matching. By applying advanced deep learning models, including generative adversarial networks and convolutional neural networks, we aim to find the best method which improves the accuracy of keypoint detection and the robustness of matching algorithms. We evaluate the performance of these techniques on various underwater datasets, demonstrating significant improvements over traditional methods.
Abstract（参考訳）: 本研究の目的は,水中画像強調技術を用いてキーポイントの検出とマッチングを改善することである。生成的敵ネットワークや畳み込みニューラルネットワークを含む高度なディープラーニングモデルを適用することにより、キーポイント検出の精度とマッチングアルゴリズムの堅牢性を改善するための最良の方法を見つけることを目指している。各種水中データセットにおけるこれらの手法の性能評価を行い,従来の手法に比べて有意な改善が認められた。

関連論文リスト

A Novel Approach to Image Steganography Using Generative Adversarial Networks [0.0]
本稿では,GAN(Generative Adversarial Network)のパワーを活用した画像ステガノグラフィー手法を提案する。慎重に設計されたGANアーキテクチャを用いることで,本手法は,従来のものと視覚的に区別できないステゴイメージの作成を確実にする。その結果,Pak Signal-to-Noise Ratio (PSNR), Structure similarity Index Measure (SSIM),そして検出に対する堅牢性などの指標が大幅に改善された。
論文参考訳（メタデータ） (2024-11-27T14:34:41Z)
Advanced Underwater Image Quality Enhancement via Hybrid Super-Resolution Convolutional Neural Networks and Multi-Scale Retinex-Based Defogging Techniques [0.0]
この研究は、提案されたアプローチの有効性をさらに説明するために、現実世界の水中データセットに関する広範な実験を行っている。海洋探査、水中ロボティクス、自律水中車両といったリアルタイムの水中アプリケーションでは、ディープラーニングと従来の画像処理技術を組み合わせることで、計算効率の良いフレームワークと優れた結果が得られる。
論文参考訳（メタデータ） (2024-10-18T08:40:26Z)
Exploring Deep Learning Image Super-Resolution for Iris Recognition [50.43429968821899]
重畳自動エンコーダ(SAE)と畳み込みニューラルネットワーク(CNN)の2つの深層学習単一画像超解法手法を提案する。精度評価と認識実験により,1.872個の近赤外虹彩画像のデータベースを用いて評価を行い,比較アルゴリズムよりも深層学習の方が優れていることを示す。
論文参考訳（メタデータ） (2023-11-02T13:57:48Z)
PUGAN: Physical Model-Guided Underwater Image Enhancement Using GAN with Dual-Discriminators [120.06891448820447]
鮮明で視覚的に快適な画像を得る方法は、人々の共通の関心事となっている。水中画像強調(UIE)の課題も、時間とともに現れた。本稿では,UIE のための物理モデル誘導型 GAN モデルを提案する。我々のPUGANは質的および定量的な測定値において最先端の手法より優れています。
論文参考訳（メタデータ） (2023-06-15T07:41:12Z)
A Correction-Based Dynamic Enhancement Framework towards Underwater Detection [5.103759034134962]
低レベルの修正を導くために,コントリビューション辞書を用いた軽量な動的拡張アルゴリズムを提案する。実水中物体検出タスクにおける実験結果から,提案手法の一般化と実時間性能の両面での優位性を示した。
論文参考訳（メタデータ） (2023-02-06T04:11:52Z)
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)
Deep Convolutional Pooling Transformer for Deepfake Detection [54.10864860009834]
本研究では,局所的・グローバル的に決定的な画像特徴を取り入れた深部畳み込み変換器を提案する。具体的には,抽出した特徴を充実させ,有効性を高めるために,畳み込みプーリングと再アテンションを適用した。提案手法は、内部実験と相互データセット実験の両方において、最先端のベースラインを一貫して上回る。
論文参考訳（メタデータ） (2022-09-12T15:05:41Z)
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)
Perceptual underwater image enhancement with deep learning and physical priors [35.37760003463292]
本稿では,2つの知覚強調モデルを提案する。トレーニングデータの欠如により, 物理的先行とデータ駆動的手がかりを融合したハイブリッド水中画像合成モデルが提案され, トレーニングデータを合成する。実験結果から,提案手法は実環境および合成水中データセット上でのいくつかの最先端手法よりも優れていることが示された。
論文参考訳（メタデータ） (2020-08-21T22:11:34Z)
Depth image denoising using nuclear norm and learning graph model [107.51199787840066]
グループベース画像復元法は,パッチ間の類似性収集に有効である。各パッチに対して、検索ウィンドウ内で最もよく似たパッチを見つけ、グループ化する。提案手法は, 主観的, 客観的両面において, 最先端の復調法よりも優れている。
論文参考訳（メタデータ） (2020-08-09T15:12:16Z)
Towards High Performance Human Keypoint Detection [87.1034745775229]
文脈情報は人体構成や見えないキーポイントを推論する上で重要な役割を担っている。そこで我々は,空間とチャネルのコンテキスト情報を効率的に統合するカスケードコンテキストミキサー(CCM)を提案する。 CCMの表現能力を最大化するために、我々は、強陰性な人検出マイニング戦略と共同訓練戦略を開発する。検出精度を向上させるために,キーポイント予測を後処理するためのいくつかのサブピクセル改良手法を提案する。
論文参考訳（メタデータ） (2020-02-03T02:24:51Z)

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。