論文の概要: USIS16K: High-Quality Dataset for Underwater Salient Instance Segmentation

• arxiv url: http://arxiv.org/abs/2506.19472v1
• Date: Tue, 24 Jun 2025 09:58:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-25 19:48:23.581872
• Title: USIS16K: High-Quality Dataset for Underwater Salient Instance Segmentation
• Title（参考訳）: USIS16K: 水中塩分インスタンスセグメンテーションのための高品質データセット
• Authors: Lin Hong, Xin Wang, Yihao Li, Xia Wang,
• Abstract要約: 16,151個の高分解能水中画像からなる大規模データセットであるUSIS16Kを紹介する。 各画像には高品質のインスタンスレベルのサルエントオブジェクトマスクが付加されている。 USIS16Kを用いた水中物体検出とUSISタスクのベンチマーク評価を行った。
• 参考スコア（独自算出の注目度）: 11.590111778515775
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Inspired by the biological visual system that selectively allocates attention to efficiently identify salient objects or regions, underwater salient instance segmentation (USIS) aims to jointly address the problems of where to look (saliency prediction) and what is there (instance segmentation) in underwater scenarios. However, USIS remains an underexplored challenge due to the inaccessibility and dynamic nature of underwater environments, as well as the scarcity of large-scale, high-quality annotated datasets. In this paper, we introduce USIS16K, a large-scale dataset comprising 16,151 high-resolution underwater images collected from diverse environmental settings and covering 158 categories of underwater objects. Each image is annotated with high-quality instance-level salient object masks, representing a significant advance in terms of diversity, complexity, and scalability. Furthermore, we provide benchmark evaluations on underwater object detection and USIS tasks using USIS16K. To facilitate future research in this domain, the dataset and benchmark models are publicly available.
• Abstract（参考訳）: 生物学的視覚システム(英語版)によって選択的に注意を配り、より効率的な塩分物や地域を特定することを目的としており、水中の塩分インスタンスセグメンテーション(英語版)(USIS)は、水中のシナリオで見るべき場所(塩分予測)とそれが存在する場所(インスタンスセグメンテーション)の問題を共同で解決することを目的としている。 しかし、USISは、水中環境のアクセシビリティと動的性質、大規模で高品質な注釈付きデータセットの不足など、未発見の課題である。 本稿では,様々な環境環境から収集した16,151個の高分解能水中画像からなる大規模データセットであるUSIS16Kについて紹介する。 それぞれのイメージには高品質なインスタンスレベルのサルエントオブジェクトマスクがアノテートされており、多様性、複雑性、スケーラビリティの面で大きな進歩を示している。 さらに,USIS16Kを用いた水中物体検出とUSISタスクのベンチマーク評価を行った。 この領域における将来の研究を促進するために、データセットとベンチマークモデルが公開されている。

関連論文リスト

• UWSAM: Segment Anything Model Guided Underwater Instance Segmentation and A Large-scale Benchmark Dataset [62.00529957144851]
  大規模な水中インスタンスセグメンテーションデータセットであるUIIS10Kを提案する。 次に,水中インスタンスの自動・高精度セグメンテーションのための効率的なモデルであるUWSAMを紹介する。 複数の水中インスタンスデータセット上での最先端手法よりも優れた性能向上を実現し,本モデルの有効性を示す。
  論文  参考訳（メタデータ） (2025-05-21T14:36:01Z)
• Improving underwater semantic segmentation with underwater image quality attention and muti-scale aggregation attention [13.73105543582749]
  UnderWater SegFormer (UWSegFormer) は、低品質水中画像のセマンティックセグメンテーションのためのトランスフォーマーベースのフレームワークである。 提案手法は,SOTA法と比較した場合,分割完全性,境界明細度,主観的知覚的詳細性の点で有利である。
  論文  参考訳（メタデータ） (2025-03-30T12:47:56Z)
• Image-Based Relocalization and Alignment for Long-Term Monitoring of Dynamic Underwater Environments [57.59857784298534]
  本稿では,視覚的位置認識(VPR),特徴マッチング,画像分割を組み合わせた統合パイプラインを提案する。 本手法は, 再検討領域のロバスト同定, 剛性変換の推定, 生態系変化の下流解析を可能にする。
  論文  参考訳（メタデータ） (2025-03-06T05:13:19Z)
• 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)
• Diving into Underwater: Segment Anything Model Guided Underwater Salient Instance Segmentation and A Large-scale Dataset [60.14089302022989]
  水中視覚タスクは複雑な水中状況のため、しばしばセグメンテーションの精度が低い。 第1次大規模水中塩分分節データセット(USIS10K)を構築した。 本研究では,水中ドメインに特化してセグメンツ・ア・シング・モデル(USIS-SAM)に基づく水中塩分・インスタンス・アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-06-10T06:17:33Z)
• UID2021: An Underwater Image Dataset for Evaluation of No-reference Quality Assessment Metrics [11.570496045891465]
  水中画像品質評価(UIQA)は水中の視覚知覚と画像/映像処理において重要である。 この問題に対処するため、非参照UIQAメトリクスを評価するために、UID 2021と呼ばれる大規模な水中画像データセットを構築した。 構築されたデータセットは、様々なソースから収集された60個の多重分解水中画像を含み、6つの一般的な水中シーンをカバーしている。
  論文  参考訳（メタデータ） (2022-04-19T11:28:08Z)
• Salient Objects in Clutter [130.63976772770368]
  本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。 この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。 我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
  論文  参考訳（メタデータ） (2021-05-07T03:49:26Z)
• Object Detection in Aerial Images: A Large-Scale Benchmark and Challenges [124.48654341780431]
  航空画像(DOTA)におけるオブジェクトデテクションの大規模データセットとODAIの総合的ベースラインについて述べる。 提案するDOTAデータセットは,11,268個の空中画像から収集した18カテゴリのオブジェクト指向ボックスアノテーションの1,793,658個のオブジェクトインスタンスを含む。 70以上の構成を持つ10の最先端アルゴリズムをカバーするベースラインを構築し,各モデルの速度と精度を評価した。
  論文  参考訳（メタデータ） (2021-02-24T11:20:55Z)
• A Benchmark dataset for both underwater image enhancement and underwater object detection [34.25890702670983]
  境界ボックスアノテーションと高品質な参照画像の両方を用いた大規模水中物体検出データセットを提供する。 OUCデータセットは、水中物体検出タスクにおける水中画像強調アルゴリズムの影響を包括的に研究するためのプラットフォームを提供する。
  論文  参考訳（メタデータ） (2020-06-29T03:12:50Z)

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。