Fugu-MT 論文翻訳(概要): Deep Learning-Based Robust Optical Guidance for Hypersonic Platforms

論文の概要: Deep Learning-Based Robust Optical Guidance for Hypersonic Platforms

arxiv url: http://arxiv.org/abs/2505.06389v1
Date: Fri, 09 May 2025 19:33:35 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-13 20:21:48.822875
Title: Deep Learning-Based Robust Optical Guidance for Hypersonic Platforms
Title（参考訳）: 超音速プラットフォームのための深層学習に基づくロバスト光誘導
Authors: Adrien Chan-Hon-Tong, Aurélien Plyer, Baptiste Cadalen, Laurent Serre,
Abstract要約: シーンのイメージのスタックをディープネットワークにエンコードする。スタック上のリライジングは、バイモーダルなシーンに関連があることが示されている。
参考スコア（独自算出の注目度）: 0.8437187555622164
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Sensor-based guidance is required for long-range platforms. To bypass the structural limitation of classical registration on reference image framework, we offer in this paper to encode a stack of images of the scene into a deep network. Relying on a stack is showed to be relevant on bimodal scene (e.g. when the scene can or can not be snowy).
Abstract（参考訳）: 長距離プラットフォームにはセンサベースのガイダンスが必要である。本稿では,参照画像フレームワークにおける古典的登録の構造的制限を回避するため,シーンのイメージのスタックをディープネットワークにエンコードする。スタック上のリライジングは、バイモーダルシーン(例えば、シーンが雪になるか、雪にならないか)に関連があることが示される。

関連論文リスト

Bilevel Fast Scene Adaptation for Low-Light Image Enhancement [50.639332885989255]
低照度シーンにおける画像の強調は、コンピュータビジョンにおいて難しいが、広く懸念されている課題である。主な障害は、異なるシーンにまたがる分散の相違によるモデリングの混乱にある。上述の潜在対応をモデル化するための双レベルパラダイムを導入する。エンコーダのシーン非関連な一般化を多様なシーンにもたらすために、双方向学習フレームワークを構築した。
論文参考訳（メタデータ） (2023-06-02T08:16:21Z)
Neural Implicit Dense Semantic SLAM [83.04331351572277]
本稿では,屋内シーンのメモリ効率,高密度な3次元形状,セマンティックセマンティックセグメンテーションをオンラインで学習する新しいRGBD vSLAMアルゴリズムを提案する。私たちのパイプラインは、従来の3Dビジョンベースのトラッキングとループクローズとニューラルフィールドベースのマッピングを組み合わせたものです。提案アルゴリズムはシーン認識を大幅に向上させ,様々なロボット制御問題を支援する。
論文参考訳（メタデータ） (2023-04-27T23:03:52Z)
SceneComposer: Any-Level Semantic Image Synthesis [80.55876413285587]
任意の精度のセマンティックレイアウトから条件付き画像合成のための新しいフレームワークを提案する。このフレームワークは、形状情報のない最低レベルのテキスト・トゥ・イメージ(T2I)に自然に還元され、最高レベルのセグメンテーション・トゥ・イメージ(S2I)となる。本稿では,この新たなセットアップの課題に対処する,新しいテクニックをいくつか紹介する。
論文参考訳（メタデータ） (2022-11-21T18:59:05Z)
A Real-Time Online Learning Framework for Joint 3D Reconstruction and Semantic Segmentation of Indoor Scenes [87.74952229507096]
本稿では,屋内シーンの3次元構造とセマンティックラベルを協調的に復元するリアルタイムオンライン視覚フレームワークを提案する。列車時、ノイズの多い深度マップ、カメラ軌跡、および2Dセマンティックラベルを与えられたニューラルネットワークは、シーン空間に適切なセマンティックラベルでフレームの奥行きを融合させることを学習する。
論文参考訳（メタデータ） (2021-08-11T14:29:01Z)
S3Net: A Single Stream Structure for Depth Guided Image Relighting [13.201978111555817]
本稿では,深層学習に基づくS3Netを用いた深度誘導画像リライトのためのニューラルネットワークを提案する。 NTIRE 2021 Depth Guided Any-to-any Relighting Challengeでは,提案モデルが3番目に高いSSIMを達成した。
論文参考訳（メタデータ） (2021-05-03T08:33:53Z)
Image Captioning using Deep Stacked LSTMs, Contextual Word Embeddings and Data Augmentation [1.2183405753834562]
Inception-ResNet Convolutional Neural Network をエンコーダとして,画像から特徴を抽出する。また、単語表現には階層型コンテキストベースのWord Embeddings、デコーダにはDeep Stacked Long Term Memory Networkを使用します。提案手法をデコーダとソフトアテンションの2つの画像キャプションフレームワークを用いて評価する。
論文参考訳（メタデータ） (2021-02-22T18:15:39Z)
Free View Synthesis [100.86844680362196]
本稿では,シーンの周囲に自由に分布する入力画像から新規なビュー合成手法を提案する。本手法は,入力ビューの規則的な配置に依存しず,シーンを通して自由なカメラ運動のための画像の合成が可能であり,制約のない幾何学的レイアウトの一般的な場面で機能する。
論文参考訳（メタデータ） (2020-08-12T18:16:08Z)
Foreground-aware Semantic Representations for Image Harmonization [5.156484100374058]
本稿では,事前学習型分類ネットワークによって学習された高レベルの特徴空間を利用する新しいアーキテクチャを提案する。既存の画像調和ベンチマークにおいて提案手法を広範に評価し,MSEとPSNRの指標から新たな最先端の手法を構築した。
論文参考訳（メタデータ） (2020-06-01T09:27:20Z)
Scene Text Synthesis for Efficient and Effective Deep Network Training [62.631176120557136]
我々は,背景画像に前景オブジェクトを埋め込むことで,注釈付き訓練画像を構成する革新的な画像合成技術を開発した。提案手法は,ディープネットワークトレーニングにおける合成画像の有用性を高める2つの重要な要素から構成される。複数の公開データセットに対する実験により,提案手法の有効性が示された。
論文参考訳（メタデータ） (2019-01-26T10:15:24Z)

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。