論文の概要: CSNR and JMIM Based Spectral Band Selection for Reducing Metamerism in Urban Driving

• arxiv url: http://arxiv.org/abs/2508.10962v1
• Date: Thu, 14 Aug 2025 13:50:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-18 14:51:23.614446
• Title: CSNR and JMIM Based Spectral Band Selection for Reducing Metamerism in Urban Driving
• Title（参考訳）: CSNRとJMIMに基づく都市交通におけるメタメリズム低減のためのスペクトル帯域選択
• Authors: Jiarong Li, Imad Ali Shah, Diarmaid Geever, Fiachra Collins, Enda Ward, Martin Glavin, Edward Jones, Brian Deegan,
• Abstract要約: メタメリズム(Metamerism)は、RGB画像において異なる物質が類似している現象である。 本研究は、高スペクトルイメージング(HSI)を用いて、この制限を克服し、可視スペクトルを超えたユニークな物質シグネチャをキャプチャする。
• 参考スコア（独自算出の注目度）: 3.2953155328671038
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Protecting Vulnerable Road Users (VRU) is a critical safety challenge for automotive perception systems, particularly under visual ambiguity caused by metamerism, a phenomenon where distinct materials appear similar in RGB imagery. This work investigates hyperspectral imaging (HSI) to overcome this limitation by capturing unique material signatures beyond the visible spectrum, especially in the Near-Infrared (NIR). To manage the inherent high-dimensionality of HSI data, we propose a band selection strategy that integrates information theory techniques (joint mutual information maximization, correlation analysis) with a novel application of an image quality metric (contrast signal-to-noise ratio) to identify the most spectrally informative bands. Using the Hyperspectral City V2 (H-City) dataset, we identify three informative bands (497 nm, 607 nm, and 895 nm, $\pm$27 nm) and reconstruct pseudo-color images for comparison with co-registered RGB. Quantitative results demonstrate increased dissimilarity and perceptual separability of VRU from the background. The selected HSI bands yield improvements of 70.24%, 528.46%, 1206.83%, and 246.62% for dissimilarity (Euclidean, SAM, $T^2$) and perception (CIE $\Delta E$) metrics, consistently outperforming RGB and confirming a marked reduction in metameric confusion. By providing a spectrally optimized input, our method enhances VRU separability, establishing a robust foundation for downstream perception tasks in Advanced Driver Assistance Systems (ADAS) and Autonomous Driving (AD), ultimately contributing to improved road safety.
• Abstract（参考訳）: Vulnerable Road Users (VRU) は、特にメタメリズムによって引き起こされる視覚的曖昧さの下で、自動車の認識システムにとって重要な安全上の課題である。 本研究は、特に近赤外(NIR)において、この制限を克服するために、可視スペクトルを超えたユニークな物質シグネチャをキャプチャすることで、ハイパースペクトルイメージング(HSI)を調査する。 本研究では,HSIデータの固有な高次元性を管理するために,情報理論技術(相互情報最大化,相関解析)と画像品質指標(コントラスト信号-雑音比)の新たな応用を融合して,最もスペクトルに強い帯域を識別するバンド選択戦略を提案する。 ハイパースペクトルシティV2(H-City)データセットを用いて、3つの情報帯域(497 nm, 607 nm, 895 nm, $\pm$27 nm)を特定し、擬似色画像を共登録RGBと比較して再構成する。 定量的な結果から,VRUの相違性と知覚的分離性は背景から増大した。 選択されたHSIバンドは、70.24%、528.46%、1206.83%、246.62%の相同性(ユークリッド、SAM、$T^2$)と知覚(CIE $\Delta E$)が改善され、RGBを一貫して上回り、メタマーの混乱が顕著に減少することを確認する。 スペクトル最適化された入力を提供することにより、VRU分離性を高め、高度運転支援システム(ADAS)と自律運転システム(AD)における下流認識タスクの堅牢な基盤を確立し、最終的に道路安全の改善に寄与する。

関連論文リスト

• Hyperspectral vs. RGB for Pedestrian Segmentation in Urban Driving Scenes: A Comparative Study [3.6096086024478775]
  本研究では,都市交通シナリオにおける歩行者セグメンテーション向上のためのハイパースペクトルイメージング(HSI)の可能性について検討した。 U-Net、DeepLabV3+、SegFormerの3つのセマンティックセグメンテーションモデルが評価された。 CSNR-JMIMは、IoU(Intersection over Union)の1.44%、歩行者セグメンテーションのF1スコアの2.18%でRGBを一貫して上回った。
  論文  参考訳（メタデータ） (2025-08-15T08:10:19Z)
• Contourlet Refinement Gate Framework for Thermal Spectrum Distribution Regularized Infrared Image Super-Resolution [54.293362972473595]
  画像超解像(SR)は、高解像度(HR)画像を低解像度(LR)画像から再構成することを目的としている。 SRタスクに対処する現在のアプローチは、RGB画像の特徴を抽出するか、同様の劣化パターンを仮定するものである。 スペクトル分布の忠実さを保ちつつ、赤外線変調特性を復元するコントゥーレット改質ゲートフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-19T14:24:03Z)
• Frequency Domain Nuances Mining for Visible-Infrared Person Re-identification [75.87443138635432]
  既存の手法は主に、識別周波数情報を無視しながら空間情報を利用する。 本稿では,周波数領域情報を対象とした周波数領域Nuances Mining(FDNM)手法を提案する。 本手法は,SYSU-MM01データセットにおいて,Ran-1精度が5.2%,mAPが5.8%向上する。
  論文  参考訳（メタデータ） (2024-01-04T09:19:54Z)
• Symmetric Uncertainty-Aware Feature Transmission for Depth Super-Resolution [52.582632746409665]
  カラー誘導DSRのためのSymmetric Uncertainty-aware Feature Transmission (SUFT)を提案する。 本手法は最先端の手法と比較して優れた性能を実現する。
  論文  参考訳（メタデータ） (2023-06-01T06:35:59Z)
• Flare-Aware Cross-modal Enhancement Network for Multi-spectral Vehicle Re-identification [29.48387524901101]
  厳しい環境下では、RGBとNIRモダリティの非ネイティブな手がかりは、車両のランプや日光からの強いフレアによってしばしば失われる。 フレア崩壊したRGBとNIRの特徴をフレア免疫熱赤外スペクトルから誘導して適応的に復元するフレア・アウェア・クロスモーダル・エンハンスメント・ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-05-23T04:04:24Z)
• Generation of the NIR spectral Band for Satellite Images with Convolutional Neural Networks [0.0]
  ディープニューラルネットワークは、画像の着色問題など、人工的なスペクトル情報を生成することができる。 我々は,高解像度衛星画像のRGBチャネルのみを用いて,NIR帯域生成作業におけるGAN(Generative Adversarial Network)アプローチについて検討した。
  論文  参考訳（メタデータ） (2021-06-13T15:14:57Z)
• Fast Hyperspectral Image Recovery via Non-iterative Fusion of Dual-Camera Compressive Hyperspectral Imaging [22.683482662362337]
  符号化開口分光画像(CASSI)は3次元ハイパースペクトル像(HSI)を撮像するための有望な技術である 様々な正規化器を用いて2次元計測から3次元データを再構成している。 実現可能な解決策の1つは、CASSIのRGB測定などの追加情報を活用することです。
  論文  参考訳（メタデータ） (2020-12-30T10:29:32Z)
• Learning Selective Mutual Attention and Contrast for RGB-D Saliency Detection [145.4919781325014]
  クロスモーダル情報を効果的に融合する方法は、RGB-Dの有能な物体検出の鍵となる問題である。 多くのモデルは特徴融合戦略を用いるが、低次点対点融合法によって制限されている。 本研究では,異なるモダリティから注目とコンテキストを融合させることにより,新たな相互注意モデルを提案する。
  論文  参考訳（メタデータ） (2020-10-12T08:50:10Z)
• Drone-based RGB-Infrared Cross-Modality Vehicle Detection via Uncertainty-Aware Learning [59.19469551774703]
  ドローンによる車両検出は、空中画像中の車両の位置とカテゴリーを見つけることを目的としている。 我々はDroneVehicleと呼ばれる大規模ドローンベースのRGB赤外線車両検出データセットを構築した。 私たちのDroneVehicleは28,439RGBの赤外線画像を収集し、都市道路、住宅地、駐車場、その他のシナリオを昼から夜までカバーしています。
  論文  参考訳（メタデータ） (2020-03-05T05:29:44Z)

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。