論文の概要: Smelly, dense, and spreaded: The Object Detection for Olfactory References (ODOR) dataset
- arxiv url: http://arxiv.org/abs/2507.08384v1
- Date: Fri, 11 Jul 2025 07:58:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-14 18:03:54.285796
- Title: Smelly, dense, and spreaded: The Object Detection for Olfactory References (ODOR) dataset
- Title（参考訳）: Smelly, dense, and spreaded: The Object Detection for Olfactory References (ODOR) dataset
- Authors: Mathias Zinnen, Prathmesh Madhu, Inger Leemans, Peter Bell, Azhar Hussian, Hang Tran, Ali Hürriyetoğlu, Andreas Maier, Vincent Christlein,
- Abstract要約: 提案されたODORデータセットは、4712イメージに対して38,116のオブジェクトレベルのアノテーションを提供する。
我々は、カテゴリの詳細なセット、密なオブジェクトと重なり合うオブジェクト、画像キャンバス全体の空間分布など、挑戦的なデータセット特性を示す。
このデータセットは、研究者に対して、物体の認識と匂いの知覚の交わりを調査するよう求めている。
- 参考スコア（独自算出の注目度）: 11.701487651068263
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Real-world applications of computer vision in the humanities require algorithms to be robust against artistic abstraction, peripheral objects, and subtle differences between fine-grained target classes. Existing datasets provide instance-level annotations on artworks but are generally biased towards the image centre and limited with regard to detailed object classes. The proposed ODOR dataset fills this gap, offering 38,116 object-level annotations across 4712 images, spanning an extensive set of 139 fine-grained categories. Conducting a statistical analysis, we showcase challenging dataset properties, such as a detailed set of categories, dense and overlapping objects, and spatial distribution over the whole image canvas. Furthermore, we provide an extensive baseline analysis for object detection models and highlight the challenging properties of the dataset through a set of secondary studies. Inspiring further research on artwork object detection and broader visual cultural heritage studies, the dataset challenges researchers to explore the intersection of object recognition and smell perception.
- Abstract（参考訳）: 人文科学におけるコンピュータビジョンの現実世界の応用には、芸術的抽象化、周辺オブジェクト、微妙な粒度のターゲットクラスの違いに対して頑健なアルゴリズムが必要である。
既存のデータセットは、アートワークにインスタンスレベルのアノテーションを提供するが、一般的にイメージセンタに偏りがあり、詳細なオブジェクトクラスに制限されている。
提案されたODORデータセットはこのギャップを埋め、4712イメージにわたる38,116のオブジェクトレベルのアノテーションを提供する。
統計的解析を行い、カテゴリの詳細なセット、密なオブジェクトと重なり合うオブジェクト、画像キャンバス全体の空間分布など、挑戦的なデータセット特性を示す。
さらに、オブジェクト検出モデルに対する広範なベースライン解析を行い、セカンダリスタディを通じてデータセットの挑戦的特性を強調する。
このデータセットは、美術品の物体検出とより広い視覚文化遺産研究に関するさらなる研究を刺激し、研究者に物体の認識と匂いの知覚の交わりを探求するよう呼びかけている。
関連論文リスト
- Zero-Shot Object-Centric Representation Learning [72.43369950684057]
ゼロショット一般化のレンズによる現在の対象中心法について検討する。
8つの異なる合成および実世界のデータセットからなるベンチマークを導入する。
多様な実世界の画像のトレーニングにより、見えないシナリオへの転送性が向上することがわかった。
論文 参考訳（メタデータ） (2024-08-17T10:37:07Z) - Weakly-supervised Contrastive Learning for Unsupervised Object Discovery [52.696041556640516]
ジェネリックな方法でオブジェクトを発見できるため、教師なしのオブジェクト発見は有望である。
画像から高レベルな意味的特徴を抽出する意味誘導型自己教師学習モデルを設計する。
オブジェクト領域のローカライズのための主成分分析(PCA)を導入する。
論文 参考訳（メタデータ） (2023-07-07T04:03:48Z) - Oriented Object Detection in Optical Remote Sensing Images using Deep Learning: A Survey [10.610306616456278]
オブジェクト指向物体検出は、リモートセンシングにおいて最も基本的で困難なタスクの1つである。
近年のディープラーニングの進歩により、オブジェクト指向物体検出の能力は大幅に向上した。
論文 参考訳（メタデータ） (2023-02-21T06:31:53Z) - SODA: Site Object Detection dAtaset for Deep Learning in Construction [3.5061054566652]
本稿では,Site Object Detection dAtaset (SODA) と呼ばれる,建設現場で収集・注釈付の大規模画像データセットを開発する。
異なる現場条件、気象条件、建設段階において複数の建設現場から2万枚以上の画像が収集され、異なる角度と視点をカバーした。
慎重なスクリーニングと処理の後、286,201個のオブジェクトを含む19,846個の画像が得られた。
論文 参考訳（メタデータ） (2022-02-19T09:09:23Z) - Contrastive Object Detection Using Knowledge Graph Embeddings [72.17159795485915]
一つのホットアプローチで学習したクラス埋め込みの誤差統計と、自然言語処理や知識グラフから意味的に構造化された埋め込みを比較した。
本稿では,キーポイントベースおよびトランスフォーマーベースオブジェクト検出アーキテクチャの知識埋め込み設計を提案する。
論文 参考訳（メタデータ） (2021-12-21T17:10:21Z) - ObjectFolder: A Dataset of Objects with Implicit Visual, Auditory, and
Tactile Representations [52.226947570070784]
両課題に対処する100のオブジェクトからなるデータセットであるObjectを,2つの重要なイノベーションで紹介する。
まず、オブジェクトは視覚的、聴覚的、触覚的なすべてのオブジェクトの知覚データをエンコードし、多数の多感覚オブジェクト認識タスクを可能にする。
第2に、Objectは統一されたオブジェクト中心のシミュレーションと、各オブジェクトの視覚的テクスチャ、触覚的読み出し、触覚的読み出しに暗黙的な表現を採用しており、データセットの使用が柔軟で共有が容易である。
論文 参考訳（メタデータ） (2021-09-16T14:00:59Z) - 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) - REGRAD: A Large-Scale Relational Grasp Dataset for Safe and
Object-Specific Robotic Grasping in Clutter [52.117388513480435]
本稿では,オブジェクト間の関係のモデル化を継続するregradという新しいデータセットを提案する。
データセットは2D画像と3Dポイントクラウドの両方で収集されます。
ユーザは、好きなだけ多くのデータを生成するために、自由に独自のオブジェクトモデルをインポートできる。
論文 参考訳（メタデータ） (2021-04-29T05:31:21Z)
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。