論文の概要: Automated Road Distress Detection Using Vision Transformersand Generative Adversarial Networks

• arxiv url: http://arxiv.org/abs/2511.13145v1
• Date: Mon, 17 Nov 2025 08:56:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:25.081506
• Title: Automated Road Distress Detection Using Vision Transformersand Generative Adversarial Networks
• Title（参考訳）: 視覚変換器と生成対向ネットワークを用いた道路距離の自動検出
• Authors: Cesar Portocarrero Rodriguez, Laura Vandeweyen, Yosuke Yamamoto,
• Abstract要約: この研究は、道路難問分割に畳み込みニューラルネットワーク(CNN)を適用し、その後、トランスフォーマーベースのモデルMaskFormerについて検討する。 その結果,GAN生成したデータはモデル性能を向上し,MaskFormerはCNNモデルより2つの指標(mAP50とIoU)で優れていた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The American Society of Civil Engineers has graded Americas infrastructure condition as a C, with the road system receiving a dismal D. Roads are vital to regional economic viability, yet their management, maintenance, and repair processes remain inefficient, relying on outdated manual or laser-based inspection methods that are both costly and time-consuming. With the increasing availability of real-time visual data from autonomous vehicles, there is an opportunity to apply computer vision (CV) methods for advanced road monitoring, providing insights to guide infrastructure rehabilitation efforts. This project explores the use of state-of-the-art CV techniques for road distress segmentation. It begins by evaluating synthetic data generated with Generative Adversarial Networks (GANs) to assess its usefulness for model training. The study then applies Convolutional Neural Networks (CNNs) for road distress segmentation and subsequently examines the transformer-based model MaskFormer. Results show that GAN-generated data improves model performance and that MaskFormer outperforms the CNN model in two metrics: mAP50 and IoU.
• Abstract（参考訳）: アメリカ土木学会 (American Society of Civil Engineers) はアメリカのインフラを C として格付けし、道路システムは地域経済の活性化に不可欠であるが、その管理、保守、修理のプロセスは非効率であり、時代遅れのマニュアルやレーザーベースの検査手法に依存しており、費用も時間もかかる。 自動運転車からリアルタイムの視覚データが利用可能になるにつれて、先進的な道路監視にコンピュータビジョン(CV)手法を適用する機会があり、インフラ再生の取り組みをガイドするための洞察を提供する。 本研究は,道路災害セグメンテーションにおける最先端CV技術の利用について検討する。 モデルトレーニングの有用性を評価するために、GAN(Generative Adversarial Networks)で生成された合成データを評価することから始まる。 この研究は、道路難問セグメンテーションに畳み込みニューラルネットワーク(CNN)を適用し、その後、トランスフォーマーベースのモデルMaskFormerを検証した。 その結果,GAN生成したデータはモデル性能を向上し,MaskFormerはCNNモデルよりも2つの指標(mAP50とIoU)で優れていた。

関連論文リスト

• Mini Autonomous Car Driving based on 3D Convolutional Neural Networks [0.6349729476511409]
  信頼性があり信頼性の高い自律システムの開発は、高い複雑さ、長い訓練期間、本質的な不確実性のレベルといった課題を引き起こす。 ミニオートマチックカー (MAC) は、小規模の設備における自律制御手法の検証を可能にする実用的なテストベッドとして使用される。 本研究では、シミュレーション環境におけるMAC自律運転のためのRGB-D情報と3次元畳み込みニューラルネットワーク(3次元CNN)に基づく方法論を提案する。
  論文  参考訳（メタデータ） (2025-08-29T00:21:34Z)
• Evaluating Generative Vehicle Trajectory Models for Traffic Intersection Dynamics [8.484294935626224]
  信号交差点における交通力学の深部生成モデルは、交通当局が効率性と安全性の面をよりよく理解するのに役立ちます。 現在、軌道再構成誤差を主眼とする計算量に基づいてモデルの評価を行っている。 私たちは、交通工学の観点からモデルパフォーマンスに関するより良い洞察を提供するメトリクスを持つモデルを訓練、実行、評価するための総合的な分析ツールを提供しています。
  論文  参考訳（メタデータ） (2025-06-10T16:36:42Z)
• Mitigating Covariate Shift in Imitation Learning for Autonomous Vehicles Using Latent Space Generative World Models [60.87795376541144]
  World Model(ワールドモデル)は、エージェントの次の状態を予測できるニューラルネットワークである。 エンド・ツー・エンドのトレーニングでは、人間のデモで観察された状態と整合してエラーから回復する方法を学ぶ。 クローズドループ試験における先行技術に有意な改善がみられた定性的,定量的な結果を示す。
  論文  参考訳（メタデータ） (2024-09-25T06:48:25Z)
• Synthetic Trajectory Generation Through Convolutional Neural Networks [6.717469146587211]
  RTCT(Reversible Trajectory-to-CNN Transformation)を導入する。 RTCTは、軌跡をCNNベースのモデルに適したフォーマットに適合させる。 我々は、RNNに基づく軌道GANに対して、その性能を評価する。
  論文  参考訳（メタデータ） (2024-07-24T02:16:52Z)
• AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving [68.73885845181242]
  本稿では,問題を自動的に識別し,データを効率よくキュレートし,自動ラベル付けによりモデルを改善する自動データエンジン(AIDE)を提案する。 さらに,AVデータセットのオープンワールド検出のためのベンチマークを構築し,様々な学習パラダイムを包括的に評価し,提案手法の優れた性能を低コストで実証する。
  論文  参考訳（メタデータ） (2024-03-26T04:27:56Z)
• Auto-Train-Once: Controller Network Guided Automatic Network Pruning from Scratch [72.26822499434446]
  オートトレインオース (Auto-Train-Once, ATO) は、DNNの計算コストと記憶コストを自動的に削減するために設計された、革新的なネットワークプルーニングアルゴリズムである。 総合的な収束解析と広範な実験を行い,本手法が様々なモデルアーキテクチャにおける最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2024-03-21T02:33:37Z)
• Automatic UAV-based Airport Pavement Inspection Using Mixed Real and Virtual Scenarios [3.0874677990361246]
  本稿では,UAVが捉えた画像を用いて,舗装の苦悩を自動的に識別する視覚的アプローチを提案する。 提案手法は,画像の欠陥を分割する深層学習(DL)に基づいている。 合成および実訓練画像からなる混合データセットを使用することで、実アプリケーションシナリオでトレーニングモデルをテストする場合、より良い結果が得られることを示す。
  論文  参考訳（メタデータ） (2024-01-11T16:30:07Z)
• Defect Classification in Additive Manufacturing Using CNN-Based Vision Processing [76.72662577101988]
  本稿では、まず、畳み込みニューラルネットワーク(CNN)を用いて、画像データセットの欠陥をAMから第2に正確に分類し、発達した分類モデルにアクティブラーニング技術を適用する。 これにより、トレーニングデータやトレーニングデータの生成に必要なデータのサイズを削減できる、ヒューマン・イン・ザ・ループ機構の構築が可能になる。
  論文  参考訳（メタデータ） (2023-07-14T14:36:58Z)
• An Improved Deep Convolutional Neural Network-Based Autonomous Road Inspection Scheme Using Unmanned Aerial Vehicles [12.618653234201089]
  この研究は、改良された畳み込みニューラルネットワーク(CNN)モデルであり、道路のクラック、ポットホール、黄色のレーンを検出するための実装である。 黄色の車線検出・追跡の目的は、WIFIまたは5G媒体を介して、道路の亀裂や穴を検知・報告しながら、黄色い車線を追従し、無人航空機(UAV)の自律航法を実現することである。
  論文  参考訳（メタデータ） (2020-08-14T04:35:10Z)
• Auto-Rectify Network for Unsupervised Indoor Depth Estimation [119.82412041164372]
  ハンドヘルド環境に現れる複雑な自我運動が,学習深度にとって重要な障害であることが確認された。 本稿では,相対回転を除去してトレーニング画像の修正を効果的に行うデータ前処理手法を提案する。 その結果、従来の教師なしSOTA法よりも、難易度の高いNYUv2データセットよりも優れていた。
  論文  参考訳（メタデータ） (2020-06-04T08:59:17Z)

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。