論文の概要: eStonefish-scenes: A synthetically generated dataset for underwater event-based optical flow prediction tasks
- arxiv url: http://arxiv.org/abs/2505.13309v1
- Date: Mon, 19 May 2025 16:26:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-20 14:57:11.731044
- Title: eStonefish-scenes: A synthetically generated dataset for underwater event-based optical flow prediction tasks
- Title（参考訳）: eStonefish-scenes: 水中イベントベースの光フロー予測タスクのための合成データセット
- Authors: Jad Mansour, Sebastian Realpe, Hayat Rajani, Michele Grimaldi, Rafael Garcia, Nuno Gracias,
- Abstract要約: 我々はStonefishシミュレータに基づく合成イベントベース光フローデータセットeStonefish-scenesを紹介する。
データセットとともに、カスタマイズ可能な水中環境の作成を可能にするデータ生成パイプラインを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The combined use of event-based vision and Spiking Neural Networks (SNNs) is expected to significantly impact robotics, particularly in tasks like visual odometry and obstacle avoidance. While existing real-world event-based datasets for optical flow prediction, typically captured with Unmanned Aerial Vehicles (UAVs), offer valuable insights, they are limited in diversity, scalability, and are challenging to collect. Moreover, there is a notable lack of labelled datasets for underwater applications, which hinders the integration of event-based vision with Autonomous Underwater Vehicles (AUVs). To address this, synthetic datasets could provide a scalable solution while bridging the gap between simulation and reality. In this work, we introduce eStonefish-scenes, a synthetic event-based optical flow dataset based on the Stonefish simulator. Along with the dataset, we present a data generation pipeline that enables the creation of customizable underwater environments. This pipeline allows for simulating dynamic scenarios, such as biologically inspired schools of fish exhibiting realistic motion patterns, including obstacle avoidance and reactive navigation around corals. Additionally, we introduce a scene generator that can build realistic reef seabeds by randomly distributing coral across the terrain. To streamline data accessibility, we present eWiz, a comprehensive library designed for processing event-based data, offering tools for data loading, augmentation, visualization, encoding, and training data generation, along with loss functions and performance metrics.
- Abstract（参考訳）: イベントベースの視覚とスパイキングニューラルネットワーク(SNN)の併用は、特に視覚計測や障害物回避といったタスクにおいて、ロボット工学に大きな影響を与えることが期待されている。
光フロー予測のための既存の実世界のイベントベースのデータセットは、通常は無人航空機(UAV)でキャプチャされ、貴重な洞察を提供するが、多様性、スケーラビリティに制限があり、収集が困難である。
さらに、水中アプリケーションのためのラベル付きデータセットが欠如しており、イベントベースのビジョンと自律水中車両(AUV)の統合を妨げる。
これを解決するために、合成データセットは、シミュレーションと現実のギャップを埋めながらスケーラブルなソリューションを提供することができる。
本研究では,Stonefishシミュレータに基づく合成イベントベース光フローデータセットであるeStonefish-scenesを紹介する。
データセットとともに、カスタマイズ可能な水中環境の作成を可能にするデータ生成パイプラインを提案する。
このパイプラインは、生物学的にインスパイアされた魚の群れが、障害物回避やサンゴ周辺の反応航法など、現実的な動きパターンを示すような動的なシナリオをシミュレートすることができる。
さらに,サンゴをランダムに地形に分散させることで,リアルなサンゴ礁の海底を構築できるシーン生成装置を導入する。
データアクセシビリティを効率化するために、イベントベースのデータを処理するために設計された包括的なライブラリであるeWizを紹介し、データ読み込み、拡張、可視化、エンコーディング、トレーニング用のツールと、損失関数とパフォーマンスメトリクスを提供する。
関連論文リスト
- Closer to Ground Truth: Realistic Shape and Appearance Labeled Data Generation for Unsupervised Underwater Image Segmentation [8.511846002129522]
人間のアノテーションを必要としない2段階の非教師付きセグメンテーション手法を導入し、人工的に作成された実画像と実画像を組み合わせる。
本手法は,仮想魚を現実世界の水中環境に配置することにより,難易度の高い合成訓練データを生成する。
水中ビデオにおけるサーモンセグメンテーションの特定の事例にその効果を示し,本研究で最大のデータセットであるDeepSalmon(30GB)を紹介した。
論文 参考訳（メタデータ） (2025-03-20T11:34:45Z) - eCARLA-scenes: A synthetically generated dataset for event-based optical flow prediction [0.0]
イベントベースのデータを処理する包括的なライブラリであるeWizを紹介する。
本稿では,光フロー予測タスクのための合成イベントベースデータセットとデータ生成パイプラインを提案する。
eCARLAシーンは、CARLAシミュレータを使用して、自動運転車のシナリオをシミュレートする。
論文 参考訳（メタデータ） (2024-12-12T12:02:23Z) - LiveHPS: LiDAR-based Scene-level Human Pose and Shape Estimation in Free
Environment [59.320414108383055]
シーンレベルの人間のポーズと形状推定のための単一LiDARに基づく新しいアプローチであるLiveHPSを提案する。
多様な人間のポーズを伴う様々なシナリオで収集される巨大な人間の動きデータセットFreeMotionを提案する。
論文 参考訳（メタデータ） (2024-02-27T03:08:44Z) - On the Generation of a Synthetic Event-Based Vision Dataset for
Navigation and Landing [69.34740063574921]
本稿では,最適な着陸軌道からイベントベースの視覚データセットを生成する手法を提案する。
我々は,惑星と小惑星の自然シーン生成ユーティリティを用いて,月面のフォトリアリスティックな画像のシーケンスを構築した。
パイプラインは500トラジェクトリのデータセットを構築することで,表面特徴の現実的なイベントベース表現を生成することができることを示す。
論文 参考訳（メタデータ） (2023-08-01T09:14:20Z) - BrackishMOT: The Brackish Multi-Object Tracking Dataset [20.52569822945148]
濁った環境で捕獲された水中マルチオブジェクト追跡(MOT)データセットは公開されていない。
BrackishMOTは、野生で捕獲された98のシークエンスから構成される。新しいデータセットに加えて、最先端のトラッカーをトレーニングしてベースライン結果を示す。
トレーニング中に合成データを含めることの効果を分析し,実際の水中トレーニングデータと合成水中トレーニングデータを組み合わせることで,追跡性能が向上することを示した。
論文 参考訳（メタデータ） (2023-02-21T13:02:36Z) - Bridging the Gap to Real-World Object-Centric Learning [66.55867830853803]
自己教師付き方法で訓練されたモデルから特徴を再構成することは、完全に教師なしの方法でオブジェクト中心表現が生じるための十分な訓練信号であることを示す。
我々のアプローチであるDINOSAURは、シミュレーションデータ上で既存のオブジェクト中心学習モデルよりも大幅に優れています。
論文 参考訳（メタデータ） (2022-09-29T15:24:47Z) - Learning to Simulate Realistic LiDARs [66.7519667383175]
リアルLiDARセンサのデータ駆動シミュレーションのためのパイプラインを提案する。
本モデルでは, 透明表面上の落下点などの現実的な効果を符号化できることが示される。
我々は2つの異なるLiDARセンサのモデルを学習し、それに従ってシミュレーションされたLiDARデータを改善する。
論文 参考訳（メタデータ） (2022-09-22T13:12:54Z) - SimuShips -- A High Resolution Simulation Dataset for Ship Detection
with Precise Annotations [0.0]
畳み込みニューラルネットワーク(CNN)に基づく最先端の障害物検出アルゴリズム
SimuShipsは、海洋環境向けに公開されているシミュレーションベースのデータセットである。
論文 参考訳（メタデータ） (2022-09-22T07:33:31Z) - TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual
Environments [84.6017003787244]
本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。
既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
論文 参考訳（メタデータ） (2022-08-16T20:46:08Z) - SuperCaustics: Real-time, open-source simulation of transparent objects
for deep learning applications [0.0]
SuperCausticsは、ディープラーニングアプリケーション用に設計された透明なオブジェクトのリアルタイムかつオープンソースシミュレーションである。
私たちは、難しい照明シナリオで透明なオブジェクトをスクラッチからセグメント化するために、ディープニューラルネットワークをトレーニングしました。
私たちのニューラルネットワークは、トレーニングデータの10%しか使用せずに、実世界のデータセットにおける最先端のパフォーマンスを達成しました。
論文 参考訳（メタデータ） (2021-07-23T03:11:47Z) - Transferable Active Grasping and Real Embodied Dataset [48.887567134129306]
ハンドマウント型RGB-Dカメラを用いて把握可能な視点を探索する方法を示す。
現実的な3段階の移動可能な能動把握パイプラインを開発し、未確認のクラッタシーンに適応する。
本研究のパイプラインでは,カテゴリ非関連行動の把握と確保において,スパース報酬問題を克服するために,新しいマスク誘導報酬を提案する。
論文 参考訳（メタデータ） (2020-04-28T08:15:35Z)
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。