論文の概要: Synthetic Data for Robust Runway Detection

• arxiv url: http://arxiv.org/abs/2510.20349v1
• Date: Thu, 23 Oct 2025 08:48:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:17.633626
• Title: Synthetic Data for Robust Runway Detection
• Title（参考訳）: ロバスト滑走路検出のための合成データ
• Authors: Estelle Chigot, Dennis G. Wilson, Meriem Ghrib, Fabrice Jimenez, Thomas Oberlin,
• Abstract要約: 本稿では,いくつかの注釈付き実像を補完する商業飛行シミュレータに基づく画像生成手法を提案する。 画像生成と実データと合成データの統合を制御することにより、標準オブジェクト検出モデルが正確な予測を実現できることを示す。
• 参考スコア（独自算出の注目度）: 3.4536142947507478
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep vision models are now mature enough to be integrated in industrial and possibly critical applications such as autonomous navigation. Yet, data collection and labeling to train such models requires too much efforts and costs for a single company or product. This drawback is more significant in critical applications, where training data must include all possible conditions including rare scenarios. In this perspective, generating synthetic images is an appealing solution, since it allows a cheap yet reliable covering of all the conditions and environments, if the impact of the synthetic-to-real distribution shift is mitigated. In this article, we consider the case of runway detection that is a critical part in autonomous landing systems developed by aircraft manufacturers. We propose an image generation approach based on a commercial flight simulator that complements a few annotated real images. By controlling the image generation and the integration of real and synthetic data, we show that standard object detection models can achieve accurate prediction. We also evaluate their robustness with respect to adverse conditions, in our case nighttime images, that were not represented in the real data, and show the interest of using a customized domain adaptation strategy.
• Abstract（参考訳）: ディープビジョンモデルは、自律ナビゲーションのような産業的および潜在的に重要なアプリケーションに統合できるほど成熟している。 しかし、そのようなモデルをトレーニングするためのデータ収集とラベル付けは、単一の企業や製品にとって、あまりにも多くの労力とコストを必要とします。 この欠点は、トレーニングデータが稀なシナリオを含むすべての可能な条件を含む必要がある、クリティカルなアプリケーションにおいてより重要である。 この観点から、合成画像の生成は、合成から現実への分布シフトの影響を緩和すれば、安価で信頼性の高い全ての条件と環境をカバーできるため、魅力的なソリューションである。 本稿では,航空機メーカーによる自律着陸システムにおいて重要な滑走路検出事例について考察する。 本稿では,いくつかの注釈付き実像を補完する商業飛行シミュレータに基づく画像生成手法を提案する。 画像生成と実データと合成データの統合を制御することにより、標準オブジェクト検出モデルが正確な予測を実現できることを示す。 また, 実データに表現されていない夜間画像において, 悪条件に対するロバスト性を評価し, ドメイン適応戦略をカスタマイズすることへの関心を示す。

関連論文リスト

• A Synthetic Dataset for Manometry Recognition in Robotic Applications [0.686108371431346]
  手続き的レンダリングとAI駆動のビデオ生成を統合したハイブリッドデータ合成パイプラインを提案する。 YOLOベースの検出器は、合成データセットに基づいて訓練され、実際のデータと合成データを組み合わせた。
  論文  参考訳（メタデータ） (2025-08-24T17:52:13Z)
• Synthetic Similarity Search in Automotive Production [0.4499833362998487]
  本稿では,視覚に基づく基礎モデルと合成データを用いた類似性探索を組み合わせた新しい画像分類パイプラインを提案する。 本手法を実世界の8つの検査シナリオで評価し,実運用環境における高い性能要件を満たすことを示す。
  論文  参考訳（メタデータ） (2025-05-12T06:10:48Z)
• Where's the liability in the Generative Era? Recovery-based Black-Box Detection of AI-Generated Content [53.93606081932928]
  APIアクセスのみを必要とする新しいブラックボックス検出フレームワークを導入する。 画像がモデル自身によって生成された可能性を測定する。 マスクされた画像入力をサポートしないブラックボックスモデルに対して、ターゲットモデル分布に適合するように訓練された費用効率の良い代理モデルを導入する。
  論文  参考訳（メタデータ） (2025-05-02T05:11:35Z)
• Drive-1-to-3: Enriching Diffusion Priors for Novel View Synthesis of Real Vehicles [81.29018359825872]
  本稿では,実世界の課題に対して,大規模な事前学習モデルを微調整するための一連の優れたプラクティスを統合する。 具体的には,合成データと実運転データとの相違を考慮に入れたいくつかの戦略を開発する。 我々の洞察は、先行芸術よりも新しいビュー合成のためのFIDを68.8%値下げする効果のある微調整につながる。
  論文  参考訳（メタデータ） (2024-12-19T03:39:13Z)
• ContRail: A Framework for Realistic Railway Image Synthesis using ControlNet [39.58317527488534]
  画像合成は、オリジナルおよび現実的な画像を作成することができるインテリジェントモデルの設計を通じて、制限に対処することを目的としている。 本稿では,新しい安定拡散モデル制御ネットに基づくContRailフレームワークを提案する。 我々は,鉄道固有の課題における性能を改善するために,合成鉄道画像生成の課題を実験した。
  論文  参考訳（メタデータ） (2024-12-09T18:34:49Z)
• XLD: A Cross-Lane Dataset for Benchmarking Novel Driving View Synthesis [84.23233209017192]
  本稿では,新しい駆動ビュー合成評価のための合成データセットを提案する。 トレーニングコースから逸脱した画像を1～4ドル(約1,400円)で撮影する。 我々は、フロントオンリーおよびマルチカメラ設定下で、既存のNVSアプローチを評価するための最初の現実的なベンチマークを確立する。
  論文  参考訳（メタデータ） (2024-06-26T14:00:21Z)
• Is Synthetic Image Useful for Transfer Learning? An Investigation into Data Generation, Volume, and Utilization [62.157627519792946]
  ブリッジドトランスファー(ブリッジドトランスファー)と呼ばれる新しいフレームワークを導入する。このフレームワークは、当初、トレーニング済みモデルの微調整に合成画像を使用し、転送性を向上させる。 合成画像と実画像のスタイルアライメントを改善するために,データセットスタイルの逆変換方式を提案する。 提案手法は10の異なるデータセットと5つの異なるモデルで評価され、一貫した改善が示されている。
  論文  参考訳（メタデータ） (2024-03-28T22:25:05Z)
• UAV-Sim: NeRF-based Synthetic Data Generation for UAV-based Perception [62.71374902455154]
  ニューラルレンダリングの最近の進歩を利用して、静的および動的ノベルビューUAVベースの画像レンダリングを改善する。 本研究では,主に実データと合成データのハイブリッドセットに基づいて最先端検出モデルが最適化された場合,性能が大幅に向上することを示す。
  論文  参考訳（メタデータ） (2023-10-25T00:20:37Z)

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。