論文の概要: UTA-Sign: Unsupervised Thermal Video Augmentation via Event-Assisted Traffic Signage Sketching
- arxiv url: http://arxiv.org/abs/2508.20594v1
- Date: Thu, 28 Aug 2025 09:32:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-29 18:12:02.291633
- Title: UTA-Sign: Unsupervised Thermal Video Augmentation via Event-Assisted Traffic Signage Sketching
- Title（参考訳）: UTA-Sign: イベントアシスト型トラフィックシグネージスケッチによる教師なし熱ビデオ拡張
- Authors: Yuqi Han, Songqian Zhang, Weijian Su, Ke Li, Jiayu Yang, Jinli Suo, Qiang Zhang,
- Abstract要約: 本稿では,低照度環境におけるトラヒックシグナージのためのunsupervised thermal-event video augmentationであるUTA-Signを提案する。
我々は,時間とともに一貫したシグネージ表現のために,熱フレームとイベント信号を融合する二重ブースティング機構を開発した。
提案手法は実世界のシナリオから収集したデータセット上で検証される。
- 参考スコア（独自算出の注目度）: 30.849375246607934
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The thermal camera excels at perceiving outdoor environments under low-light conditions, making it ideal for applications such as nighttime autonomous driving and unmanned navigation. However, thermal cameras encounter challenges when capturing signage from objects made of similar materials, which can pose safety risks for accurately understanding semantics in autonomous driving systems. In contrast, the neuromorphic vision camera, also known as an event camera, detects changes in light intensity asynchronously and has proven effective in high-speed, low-light traffic environments. Recognizing the complementary characteristics of these two modalities, this paper proposes UTA-Sign, an unsupervised thermal-event video augmentation for traffic signage in low-illumination environments, targeting elements such as license plates and roadblock indicators. To address the signage blind spots of thermal imaging and the non-uniform sampling of event cameras, we developed a dual-boosting mechanism that fuses thermal frames and event signals for consistent signage representation over time. The proposed method utilizes thermal frames to provide accurate motion cues as temporal references for aligning the uneven event signals. At the same time, event signals contribute subtle signage content to the raw thermal frames, enhancing the overall understanding of the environment. The proposed method is validated on datasets collected from real-world scenarios, demonstrating superior quality in traffic signage sketching and improved detection accuracy at the perceptual level.
- Abstract（参考訳）: サーマルカメラは、低照度環境下での屋外環境の知覚に優れており、夜間自律運転や無人ナビゲーションなどの応用に最適である。
しかし、熱カメラは、類似の材料でできた物体からのサインを捉え、自律走行システムのセマンティクスを正確に理解するための安全リスクを生じさせる。
対照的に、イベントカメラとしても知られるニューロモルフィック・ビジョンカメラは、光強度の変化を非同期に検出し、高速で低照度な交通環境において有効であることが証明された。
本稿では,これらの2つのモードの相補的特徴を認識し,低照度環境における交通標識の非教師なしサーマルイベントビデオ拡張であるUTA-Signを提案する。
熱画像の符号盲点とイベントカメラの非一様サンプリングに対処するため,時間とともに一貫したシグネージ表現のために,熱フレームとイベント信号を融合する二重ブースティング機構を開発した。
提案手法は、熱フレームを用いて、不均一な事象信号の整列のための時間的基準として正確な動きの手がかりを提供する。
同時に、イベント信号は生の熱フレームに微妙なサインの内容をもたらし、環境全体の理解を高める。
提案手法は実世界のシナリオから収集したデータセット上で検証され,交通標識のスケッチの精度が向上し,知覚レベルでの検出精度が向上した。
関連論文リスト
- A Novel Tuning Method for Real-time Multiple-Object Tracking Utilizing Thermal Sensor with Complexity Motion Pattern [7.6016974897939535]
サーマル画像における多対象追跡は監視システムに不可欠である。
熱画像における複雑な動きパターンの処理に特化して設計された,歩行者追跡のための新しいチューニング手法を提案する。
論文 参考訳（メタデータ） (2025-07-03T08:03:35Z) - Thermal Detection of People with Mobility Restrictions for Barrier Reduction at Traffic Lights Controlled Intersections [4.27128470319992]
コンピュータビジョンのためのディープラーニングの急速な進歩は、RGBカメラベースの適応的な交通信号システムの採用を促している。
RGBカメラの使用は、悪天候や低視認性条件下での検知性能の制限など、重大な課題を呈している。
本稿では,歩行障害のある人や移動負担のある人に対して,信号の持続時間を動的に調整する,完全自動熱検知方式のトラヒックライトシステムを提案する。
論文 参考訳（メタデータ） (2025-05-13T13:44:21Z) - EVIT: Event-based Visual-Inertial Tracking in Semi-Dense Maps Using Windowed Nonlinear Optimization [19.915476815328294]
イベントカメラは、絶対的な画像強度を統合するのではなく、明るさの変化に反応する興味深い視覚的知覚センサーである。
本報告では, 推定精度を高めるため, 慣性信号の追加を提案する。
本評価では,さまざまな実世界のシーケンスに焦点をあて,異なるレートで実行されるイベントベースの代替手段との比較を行った。
論文 参考訳（メタデータ） (2024-08-02T16:24:55Z) - Homography Guided Temporal Fusion for Road Line and Marking Segmentation [73.47092021519245]
道路線やマーキングは、移動車両、影、グレアの存在下でしばしば閉鎖される。
本稿では,映像フレームを補足的に利用するHomography Guided Fusion (HomoFusion) モジュールを提案する。
カメラ固有のデータと地上平面の仮定をクロスフレーム対応に利用することにより,高速・高精度性能が向上した軽量ネットワークの実現が期待できることを示す。
論文 参考訳（メタデータ） (2024-04-11T10:26:40Z) - NiteDR: Nighttime Image De-Raining with Cross-View Sensor Cooperative Learning for Dynamic Driving Scenes [49.92839157944134]
夜間の運転シーンでは、不十分で不均一な照明が暗闇の中でシーンを遮蔽し、画質と可視性が低下する。
雨天時の運転シーンに適した画像デライニング・フレームワークを開発した。
雨の人工物を取り除き、風景表現を豊かにし、有用な情報を復元することを目的としている。
論文 参考訳（メタデータ） (2024-02-28T09:02:33Z) - Neuromorphic Synergy for Video Binarization [54.195375576583864]
バイモーダルオブジェクトは視覚システムによって容易に認識できる情報を埋め込む視覚形式として機能する。
ニューロモルフィックカメラは、動きのぼかしを緩和する新しい機能を提供するが、最初にブルーを脱色し、画像をリアルタイムでバイナライズするのは簡単ではない。
本稿では,イベント空間と画像空間の両方で独立に推論を行うために,バイモーダル目標特性の事前知識を活用するイベントベースバイナリ再構築手法を提案する。
また、このバイナリ画像を高フレームレートバイナリビデオに伝搬する効率的な統合手法も開発している。
論文 参考訳（メタデータ） (2024-02-20T01:43:51Z) - Vision in adverse weather: Augmentation using CycleGANs with various
object detectors for robust perception in autonomous racing [70.16043883381677]
自律レースでは、天気は突然変化し、認識が著しく低下し、非効率な操作が引き起こされる。
悪天候の検知を改善するために、ディープラーニングベースのモデルは通常、そのような状況下でキャプチャされた広範なデータセットを必要とする。
本稿では,5つの最先端検出器のうち4つの性能向上を図るために,自動レース(CycleGANを用いた)における合成悪条件データセットを用いた手法を提案する。
論文 参考訳（メタデータ） (2022-01-10T10:02:40Z) - 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。