Fugu-MT 論文翻訳(概要): Soiling detection for Advanced Driver Assistance Systems

論文の概要: Soiling detection for Advanced Driver Assistance Systems

arxiv url: http://arxiv.org/abs/2511.09740v1
Date: Fri, 14 Nov 2025 01:07:14 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-14 22:53:22.454935
Title: Soiling detection for Advanced Driver Assistance Systems
Title（参考訳）: 先進運転支援システムの土壌検出
Authors: Filip Beránek, Václav Diviš, Ivan Gruber,
Abstract要約: 自動車用カメラの土壌検出は、高度な運転支援システムの重要な部分である。本稿では,土壌検出を意味的セグメンテーション問題とみなす。タイルレベルの分類手法と比較しながら,性能上の優位性を示す。
参考スコア（独自算出の注目度）: 0.30586855806896035
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Soiling detection for automotive cameras is a crucial part of advanced driver assistance systems to make them more robust to external conditions like weather, dust, etc. In this paper, we regard the soiling detection as a semantic segmentation problem. We provide a comprehensive comparison of popular segmentation methods and show their superiority in performance while comparing them to tile-level classification approaches. Moreover, we present an extensive analysis of the Woodscape dataset showing that the original dataset contains a data-leakage and imprecise annotations. To address these problems, we create a new data subset, which, despite being much smaller, provides enough information for the segmentation method to reach comparable results in a much shorter time. All our codes and dataset splits are available at https://github.com/filipberanek/woodscape_revision.
Abstract（参考訳）: 自動車用カメラの土壌検出は、天候やほこりなどの外部環境に対してより堅牢にするために、高度な運転支援システムの重要な部分である。本稿では,土壌検出を意味的セグメンテーション問題とみなす。本稿では,一般的なセグメンテーション手法を総合的に比較し,タイルレベルの分類手法と比較しながら,性能上の優位性を示す。さらに,Woodscapeデータセットを広範囲に解析し,本来のデータセットにはデータ推論と不正確なアノテーションが含まれていることを示す。これらの問題に対処するため、我々は新しいデータサブセットを作成します。すべてのコードとデータセットの分割はhttps://github.com/filipberanek/woodscape_revision.comで公開されています。

関連論文リスト

Segment Any Vehicle: Semantic and Visual Context Driven SAM and A Benchmark [12.231630639022335]
SAMベースのエンコーダデコーダ,車両部品知識グラフ,コンテキストサンプル検索符号化モジュールの3つのコアコンポーネントからなる新しいフレームワークであるSAVを提案する。知識グラフは、構造オントロジーを通じて車両部品間の空間的および幾何学的関係を明示的にモデル化し、事前構造的知識を効果的に符号化する。我々は,11,665の高品質なピクセルレベルのアノテーションを含む自動車部品セグメンテーションのための大規模ベンチマークデータセット,VabySeg10Kを紹介した。
論文参考訳（メタデータ） (2025-08-06T09:46:49Z)
VISAGE: Video Instance Segmentation with Appearance-Guided Enhancement [39.154059294954614]
オンラインビデオインスタンス (VIS) 法は、強力なクエリベースの検出器によって著しく進歩している。しかし,これらの手法は位置情報に大きく依存していることが観察された。本稿では,トラッカーにおける物体マッチングの鍵軸は外観情報であり,位置的手がかりが不十分な状況下では,その特徴を識別する上で非常に指導的になることを示す。
論文参考訳（メタデータ） (2023-12-08T07:48:03Z)
Detection Hub: Unifying Object Detection Datasets via Query Adaptation on Language Embedding [137.3719377780593]
新しいデザイン(De Detection Hubという名前)は、データセット認識とカテゴリ整列である。データセットの不整合を緩和し、検出器が複数のデータセットをまたいで学習するための一貫性のあるガイダンスを提供する。データセット間のカテゴリは、ワンホットなカテゴリ表現を単語埋め込みに置き換えることで、意味的に統一された空間に整列される。
論文参考訳（メタデータ） (2022-06-07T17:59:44Z)
CvS: Classification via Segmentation For Small Datasets [52.821178654631254]
本稿では,分類ラベルをセグメントマップの予測から導出する小型データセットのコスト効率の高い分類器であるCvSを提案する。我々は,CvSが従来の手法よりもはるかに高い分類結果が得られることを示す多種多様な問題に対して,本フレームワークの有効性を評価する。
論文参考訳（メタデータ） (2021-10-29T18:41:15Z)
Large-scale Unsupervised Semantic Segmentation [163.3568726730319]
本稿では, 大規模無教師付きセマンティックセマンティックセグメンテーション (LUSS) の新たな課題を提案する。 ImageNetデータセットに基づいて、120万のトレーニング画像と40万の高品質なセマンティックセグメンテーションアノテーションを用いた画像Net-Sデータセットを提案する。
論文参考訳（メタデータ） (2021-06-06T15:02:11Z)
SegmentMeIfYouCan: A Benchmark for Anomaly Segmentation [111.61261419566908]
ディープニューラルネットワーク(DNN)は通常、閉集合のセマンティッククラスで訓練される。未発見のオブジェクトを扱うには不備だ。このような物体の検出と局在化は、自動運転の認識などの安全クリティカルなアプリケーションに不可欠です。
論文参考訳（メタデータ） (2021-04-30T07:58:19Z)
Ensembling object detectors for image and video data analysis [98.26061123111647]
本稿では,複数の物体検出器の出力をアンサンブルすることで,画像データ上の境界ボックスの検出性能と精度を向上させる手法を提案する。本研究では,2段階追跡に基づく検出精度向上手法を提案することで,映像データに拡張する。
論文参考訳（メタデータ） (2021-02-09T12:38:16Z)
Fast Object Classification and Meaningful Data Representation of Segmented Lidar Instances [0.966840768820136]
本稿では,CPU上でのリアルタイムLidarオブジェクトの分類を容易にする手法を提案する。私たちは、セグメンテーションされたオブジェクトインスタンスを使って重要な特徴を抽出する方法を示します。提案アルゴリズムは,特定の最適化を使わずに,CPU上でリアルタイムに実行しながら,公開データに対して良好な結果が得られることを示す。
論文参考訳（メタデータ） (2020-06-17T17:16:38Z)
Learning to segment from misaligned and partial labels [0.0]
アーバン以外の多くの設定は、正確なセグメンテーションに必要な基盤構造を欠いている。 OpenStreetMaps (OSM)のようなオープンソースのインフラストラクチャアノテーションがこの問題を代表している。本稿では,不整合アノテーションと欠落アノテーションを付与した画素画像分割を改良した,新規で一般化可能な2段階のフレームワークを提案する。
論文参考訳（メタデータ） (2020-05-27T06:02:58Z)
Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge Detection [63.942632088208505]
本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
論文参考訳（メタデータ） (2020-03-28T18:51:43Z)

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。