論文の概要: Unlocking Thermal Aerial Imaging: Synthetic Enhancement of UAV Datasets

• arxiv url: http://arxiv.org/abs/2507.06797v1
• Date: Wed, 09 Jul 2025 12:34:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-10 17:37:43.580367
• Title: Unlocking Thermal Aerial Imaging: Synthetic Enhancement of UAV Datasets
• Title（参考訳）: 熱赤外画像のアンロック:UAVデータセットの合成向上
• Authors: Antonella Barisic Kulas, Andreja Jurasovic, Stjepan Bogdan,
• Abstract要約: 本稿では,空中から合成熱画像を生成するための新しいプロシージャパイプラインを提案する。 本手法は、任意のオブジェクトクラスを既存の熱背景に統合する。 熱検出器は可視光照射された検出器よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 1.2289361708127877
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Thermal imaging from unmanned aerial vehicles (UAVs) holds significant potential for applications in search and rescue, wildlife monitoring, and emergency response, especially under low-light or obscured conditions. However, the scarcity of large-scale, diverse thermal aerial datasets limits the advancement of deep learning models in this domain, primarily due to the high cost and logistical challenges of collecting thermal data. In this work, we introduce a novel procedural pipeline for generating synthetic thermal images from an aerial perspective. Our method integrates arbitrary object classes into existing thermal backgrounds by providing control over the position, scale, and orientation of the new objects, while aligning them with the viewpoints of the background. We enhance existing thermal datasets by introducing new object categories, specifically adding a drone class in urban environments to the HIT-UAV dataset and an animal category to the MONET dataset. In evaluating these datasets for object detection task, we showcase strong performance across both new and existing classes, validating the successful expansion into new applications. Through comparative analysis, we show that thermal detectors outperform their visible-light-trained counterparts and highlight the importance of replicating aerial viewing angles. Project page: https://github.com/larics/thermal_aerial_synthetic.
• Abstract（参考訳）: 無人航空機(UAV)による熱画像は、特に低照度または不明瞭な条件下での捜索・救助、野生生物の監視、緊急対応の応用に大きな可能性を秘めている。 しかし、大規模で多様な熱的空中データセットの不足は、この領域におけるディープラーニングモデルの進歩を制限している。 本研究では,空中から合成熱画像を生成するための新しいプロシージャパイプラインを提案する。 本手法は,任意の対象クラスを既存の熱背景に組み込むことにより,新たな対象の位置,スケール,方向を制御し,対象クラスを背景の視点と整合させる。 具体的には,都市環境のドローンクラスをHIT-UAVデータセットに加え,動物カテゴリをMONETデータセットに追加する。 オブジェクト検出タスクにおけるこれらのデータセットの評価において、新しいクラスと既存のクラスの両方で強力な性能を示し、新しいアプリケーションへの拡張が成功したことを検証した。 比較分析により、サーマル検出器は可視光訓練された検出器よりも優れており、空中視角を再現することの重要性を強調している。 プロジェクトページ: https://github.com/larics/thermal_aerial_synthetic.com

関連論文リスト

• FLAME 3 Dataset: Unleashing the Power of Radiometric Thermal UAV Imagery for Wildfire Management [3.3686755167352223]
  FLAME 3は、森林火災の視覚スペクトルと放射熱画像の総合的な収集としては初めてである。 このデータセットは、放射熱画像を利用した新しい世代の機械学習モデルを促進することを目的としている。
  論文  参考訳（メタデータ） (2024-12-03T20:53:42Z)
• Enhancing Thermal MOT: A Novel Box Association Method Leveraging Thermal Identity and Motion Similarity [0.6249768559720122]
  熱画像における複数物体追跡(MOT)は、視覚的特徴の欠如と動きパターンの複雑さにより、ユニークな課題を呈している。 本稿では, 熱領域におけるMOT改善のための新しいボックスアソシエーション手法を提案する。 提案手法は熱的特徴空間と動的物体追跡を融合し,より正確でロバストなMOT性能を実現する。
  論文  参考訳（メタデータ） (2024-11-20T00:27:01Z)
• TK-Planes: Tiered K-Planes with High Dimensional Feature Vectors for Dynamic UAV-based Scenes [58.180556221044235]
  本研究では,無人航空機(UAV)の認識における合成データと実世界データとの領域ギャップを埋める新しい手法を提案する。 私たちの定式化は、小さな動く物体や人間の行動からなる動的なシーンのために設計されています。 我々は,Okutama ActionやUG2など,挑戦的なデータセットの性能を評価する。
  論文  参考訳（メタデータ） (2024-05-04T21:55:33Z)
• Online Self-Supervised Thermal Water Segmentation for Aerial Vehicles [6.3267657083758735]
  本稿では,RGB学習水分断ネットワークを目標領域の熱画像に適用するための新しい手法を提案する。 この新しい熱機能により、現在の自律飛行ロボットは、夜間に視覚ナビゲーション、バスメトリー、フロートラッキングなどのタスクを実行することができる。
  論文  参考訳（メタデータ） (2023-07-18T07:35:28Z)
• Unsupervised Restoration of Weather-affected Images using Deep Gaussian Process-based CycleGAN [92.15895515035795]
  本稿では,CycleGANに基づくディープネットワークの監視手法について述べる。 我々は,より効果的なトレーニングにつながるCycleGANのトレーニングに新たな損失を導入し,高品質な再構築を実現した。 提案手法は, 脱落, 脱落, 脱落といった様々な修復作業に効果的に適用できることを実証する。
  論文  参考訳（メタデータ） (2022-04-23T01:30:47Z)
• Meta-UDA: Unsupervised Domain Adaptive Thermal Object Detection using Meta-Learning [64.92447072894055]
  赤外線(IR)カメラは、照明条件や照明条件が悪ければ頑丈である。 既存のUDA手法を改善するためのアルゴリズムメタ学習フレームワークを提案する。 KAISTおよびDSIACデータセットのための最先端熱検出器を作成した。
  論文  参考訳（メタデータ） (2021-10-07T02:28:18Z)
• Partially fake it till you make it: mixing real and fake thermal images for improved object detection [29.13557322147509]
  熱画像における物体検出の文脈における提案システムの性能について述べる。 我々の単一モード検出器はFLIR ADASデータセットの最先端結果を達成する。
  論文  参考訳（メタデータ） (2021-06-25T12:56:09Z)
• Unsupervised Learning of 3D Object Categories from Videos in the Wild [75.09720013151247]
  オブジェクトインスタンスの大規模なコレクションの複数のビューからモデルを学ぶことに重点を置いています。 再構成を大幅に改善するワープコンディショニングレイ埋め込み(WCR)と呼ばれる新しいニューラルネットワーク設計を提案する。 本評価は,既存のベンチマークを用いた複数の深部単眼再構成ベースラインに対する性能改善を示す。
  論文  参考訳（メタデータ） (2021-03-30T17:57:01Z)
• A Large-Scale, Time-Synchronized Visible and Thermal Face Dataset [62.193924313292875]
  DEVCOM Army Research Laboratory Visible-Thermal Faceデータセット(ARL-VTF)を発表します。 395人の被験者から50万枚以上の画像が得られたARL-VTFデータセットは、これまでで最大の可視画像とサーマルフェイス画像の収集データだ。 本論文では,ALL-VTFデータセットを用いたサーマルフェースランドマーク検出とサーマル・トゥ・ヴィジブルフェース検証のベンチマーク結果と分析について述べる。
  論文  参考訳（メタデータ） (2021-01-07T17:17:12Z)
• 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。