論文の概要: Learning Cross-Spectral Point Features with Task-Oriented Training

• arxiv url: http://arxiv.org/abs/2505.12593v1
• Date: Mon, 19 May 2025 01:09:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-20 14:57:11.332665
• Title: Learning Cross-Spectral Point Features with Task-Oriented Training
• Title（参考訳）: タスク指向トレーニングによるスペクトル横断的特徴の学習
• Authors: Mia Thomas, Trevor Ablett, Jonathan Kelly,
• Abstract要約: この研究は、既存のカメラベースのナビゲーションシステムに熱画像を統合する手段として、学習されたクロススペクトル(熱可視)点の特徴を探求する。 熱可視画像ペア上で機能ネットワークを実行し、ネットワーク応答を異なる登録パイプラインに供給します。 我々の選択したモデルは、マッチングタスクに基づいて訓練され、MultiPointデータセット上の75%以上の推定値に対して、10ピクセル未満の登録誤差を達成する。
• 参考スコア（独自算出の注目度）: 7.403657686829926
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unmanned aerial vehicles (UAVs) enable operations in remote and hazardous environments, yet the visible-spectrum, camera-based navigation systems often relied upon by UAVs struggle in low-visibility conditions. Thermal cameras, which capture long-wave infrared radiation, are able to function effectively in darkness and smoke, where visible-light cameras fail. This work explores learned cross-spectral (thermal-visible) point features as a means to integrate thermal imagery into established camera-based navigation systems. Existing methods typically train a feature network's detection and description outputs directly, which often focuses training on image regions where thermal and visible-spectrum images exhibit similar appearance. Aiming to more fully utilize the available data, we propose a method to train the feature network on the tasks of matching and registration. We run our feature network on thermal-visible image pairs, then feed the network response into a differentiable registration pipeline. Losses are applied to the matching and registration estimates of this pipeline. Our selected model, trained on the task of matching, achieves a registration error (corner error) below 10 pixels for more than 75% of estimates on the MultiPoint dataset. We further demonstrate that our model can also be used with a classical pipeline for matching and registration.
• Abstract（参考訳）: 無人航空機(UAV)は、遠隔および危険環境での運用を可能にするが、可視スペクトル、カメラベースのナビゲーションシステムは、UAVが低視認性環境で苦戦していることがしばしばある。 赤外線を捉えた熱カメラは、可視光カメラが故障した場合、暗闇や煙の中で効果的に機能する。 この研究は、既存のカメラベースのナビゲーションシステムに熱画像を統合する手段として、学習されたクロススペクトル(熱可視)点の特徴を探求する。 既存の方法は、通常、機能ネットワークの検知と記述出力を直接訓練し、熱と可視光画像が類似した外観を示す画像領域のトレーニングに焦点を当てる。 利用可能なデータをより完全に活用することを目的として,マッチングと登録のタスクに基づいて特徴ネットワークを訓練する手法を提案する。 熱可視画像ペア上で機能ネットワークを実行し、ネットワーク応答を異なる登録パイプラインに供給します。 このパイプラインのマッチングと登録の見積に損失が適用される。 我々の選択したモデルは、マッチングタスクに基づいて訓練され、MultiPointデータセット上の75%以上の推定値に対して、10ピクセル未満の登録誤差(コーナーエラー)を達成する。 さらに、私たちのモデルは、マッチングと登録のために古典的なパイプラインで使用することもできることを実証します。

関連論文リスト

• A Resource Efficient Fusion Network for Object Detection in Bird's-Eye View using Camera and Raw Radar Data [7.2508100569856975]
  レーダデータの生のレンジ・ドップラースペクトルを用いてカメラ画像を処理する。 カメラエンコーダデコーダアーキテクチャを用いて,対応する特徴を抽出する。 得られた特徴写像はレンジ・アジマス特徴と融合し、RDスペクトルから復元して物体検出を行う。
  論文  参考訳（メタデータ） (2024-11-20T13:26:13Z)
• UAVs and Neural Networks for search and rescue missions [0.0]
  無人航空機(UAV)が捉えた空中画像において,車,人,火などの興味の対象を検出する方法を提案する。 これを実現するために,ニューラルネットワークを用いて教師あり学習のためのデータセットを作成する。
  論文  参考訳（メタデータ） (2023-10-09T08:27:35Z)
• Unsupervised Wildfire Change Detection based on Contrastive Learning [1.53934570513443]
  山火事の深刻度を正確に評価することは, 火災発生地域における燃料条件のキャラクタリゼーションに寄与する。 本研究の目的は、高解像度マルチスペクトル衛星画像上に構築された自律システムを開発することである。
  論文  参考訳（メタデータ） (2022-11-26T20:13:14Z)
• Deep Learning Computer Vision Algorithms for Real-time UAVs On-board Camera Image Processing [77.34726150561087]
  本稿では,ディープラーニングに基づくコンピュータビジョンアルゴリズムを用いて,小型UAVのリアルタイムセンサ処理を実現する方法について述べる。 すべてのアルゴリズムは、ディープニューラルネットワークに基づく最先端の画像処理手法を用いて開発されている。
  論文  参考訳（メタデータ） (2022-11-02T11:10:42Z)
• ReDFeat: Recoupling Detection and Description for Multimodal Feature Learning [51.07496081296863]
  我々は、相互重み付け戦略による多モーダル特徴学習の検出と記述の独立した制約を再定義する。 本研究では,大きな受容場を有し,学習可能な非最大抑制層を備える検出器を提案する。 我々は,特徴マッチングと画像登録タスクにおける特徴量を評価するために,クロス可視,赤外線,近赤外,合成開口レーダ画像ペアを含むベンチマークを構築した。
  論文  参考訳（メタデータ） (2022-05-16T04:24:22Z)
• An Empirical Study of Remote Sensing Pretraining [117.90699699469639]
  本研究では,空中画像におけるリモートセンシング事前訓練(RSP)の実証的研究を行った。 RSPは、シーン認識タスクで特有のパフォーマンスを提供するのに役立つ。 RSPは、従来のイメージネットがRS画像に事前学習する際のデータ格差を緩和するが、それでもタスクの相違に悩まされる可能性がある。
  論文  参考訳（メタデータ） (2022-04-06T13:38:11Z)
• Correlation-Aware Deep Tracking [83.51092789908677]
  本稿では,自己/横断的意図に着想を得た,新たなターゲット依存型特徴ネットワークを提案する。 我々のネットワークは機能ネットワークの複数の層にクロスイメージの特徴相関を深く埋め込んでいる。 我々のモデルは、豊富な未ペア画像に対して柔軟に事前訓練が可能であり、既存の手法よりも顕著に高速な収束をもたらす。
  論文  参考訳（メタデータ） (2022-03-03T11:53:54Z)
• Comparison of Object Detection Algorithms Using Video and Thermal Images Collected from a UAS Platform: An Application of Drones in Traffic Management [2.9932638148627104]
  本研究では、視覚カメラと赤外線カメラの両方のリアルタイム車両検出アルゴリズムについて検討する。 フロリダ州タンパの高速道路沿いのUASプラットフォームから、レッドグリーンブルー(RGB)のビデオと熱画像が収集された。
  論文  参考訳（メタデータ） (2021-09-27T16:57:09Z)
• Learned Camera Gain and Exposure Control for Improved Visual Feature Detection and Matching [12.870196901446208]
  我々は、環境照明の変化を考慮に入れたデータ駆動型アプローチを探求し、ビジュアル・オドメトリー(VO)や視覚同時像定位マッピング(SLAM)で使用する画像の品質を改善した。 我々は、カメラゲインと露出時間パラメータを予測的に調整するために、深層畳み込みニューラルネットワークモデルを訓練する。 我々は、我々のネットワークが劇的な照明変化を予想し、補うことができるような、広範囲な実世界の実験を通して実証する。
  論文  参考訳（メタデータ） (2021-02-08T16:46:09Z)
• Exploring Thermal Images for Object Detection in Underexposure Regions for Autonomous Driving [67.69430435482127]
  アンダーエクスポージャー地域は、安全な自動運転のための周囲の完全な認識を構築するのに不可欠である。 サーマルカメラが利用可能になったことで、他の光学センサーが解釈可能な信号を捉えていない地域を探索するための重要な代替手段となった。 本研究は,可視光画像から熱画像へ学習を伝達するためのスタイル伝達手法を用いたドメイン適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-01T09:59:09Z)

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。