論文の概要: Synset Signset Germany: a Synthetic Dataset for German Traffic Sign Recognition

• arxiv url: http://arxiv.org/abs/2512.05936v1
• Date: Fri, 05 Dec 2025 18:24:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-13 22:40:57.135495
• Title: Synset Signset Germany: a Synthetic Dataset for German Traffic Sign Recognition
• Title（参考訳）: Synset Signset Germany: ドイツの交通信号認識のための合成データセット
• Authors: Anne Sielemann, Lena Loercher, Max-Lion Schumacher, Stefan Wolf, Masoud Roschani, Jens Ziehn,
• Abstract要約: 本稿では,交通信号認識のタスクにおいて,データのトレーニング/テストのための合成パイプラインとデータセットを提案する。 我々の合成信号認識データセットSynset Signset Germanyは、ドイツの211の交通信号クラスの合計105500枚の画像を含む。 我々は、実世界のドイツ交通信号認識ベンチマーク(GTSRB)において、Synset Signset Germanyのリアリズムの程度を評価し、最先端の合成信号認識データセットであるCATEREDと比較した。
• 参考スコア（独自算出の注目度）: 2.031936330777447
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we present a synthesis pipeline and dataset for training / testing data in the task of traffic sign recognition that combines the advantages of data-driven and analytical modeling: GAN-based texture generation enables data-driven dirt and wear artifacts, rendering unique and realistic traffic sign surfaces, while the analytical scene modulation achieves physically correct lighting and allows detailed parameterization. In particular, the latter opens up applications in the context of explainable AI (XAI) and robustness tests due to the possibility of evaluating the sensitivity to parameter changes, which we demonstrate with experiments. Our resulting synthetic traffic sign recognition dataset Synset Signset Germany contains a total of 105500 images of 211 different German traffic sign classes, including newly published (2020) and thus comparatively rare traffic signs. In addition to a mask and a segmentation image, we also provide extensive metadata including the stochastically selected environment and imaging effect parameters for each image. We evaluate the degree of realism of Synset Signset Germany on the real-world German Traffic Sign Recognition Benchmark (GTSRB) and in comparison to CATERED, a state-of-the-art synthetic traffic sign recognition dataset.
• Abstract（参考訳）: 本稿では,GANベースのテクスチャ生成により,データ駆動の汚れやアーティファクトを実現し,ユニークかつ現実的な交通標識表面をレンダリングし,解析シーンの変調は物理的に正しい照明を実現し,詳細なパラメータ化を可能にする,交通標識認識のタスクにおけるデータ/テスト用合成パイプラインとデータセットを提案する。 特に、後者は、パラメータ変化に対する感度を評価する可能性から、説明可能なAI(XAI)と堅牢性テストの文脈でアプリケーションを開く。 我々の合成信号認識データセットSynset Signset Germanyは、新たに発行された(2020年)と比較的稀な交通標識を含む、211のドイツ交通標識クラスの合計105500枚の画像を含む。 マスクとセグメンテーション画像に加えて、確率的に選択された環境や画像の撮像効果パラメータを含む広範なメタデータも提供する。 我々は、実世界のドイツ交通信号認識ベンチマーク(GTSRB)において、Synset Signset Germanyのリアリズムの程度を評価し、最先端の合成信号認識データセットであるCATEREDと比較した。

関連論文リスト

• Cross-domain Few-shot In-context Learning for Enhancing Traffic Sign Recognition [49.20086587208214]
  交通信号認識の強化を目的としたMLLMに基づくドメイン間数ショットインコンテキスト学習手法を提案する。 記述テキストを使用することで、テンプレートと実際の交通標識のドメイン間差を低減することができる。 提案手法は,大規模交通標識画像やラベルを必要とせず,単純かつ均一なテキスト表示のみを必要とする。
  論文  参考訳（メタデータ） (2024-07-08T10:51:03Z)
• Visual Car Brand Classification by Implementing a Synthetic Image Dataset Creation Pipeline [3.524869467682149]
  安定拡散を用いた合成画像データセットの自動生成パイプラインを提案する。 YOLOv8を用いて自動境界ボックス検出と合成画像の品質評価を行う。
  論文  参考訳（メタデータ） (2024-06-03T07:44:08Z)
• Learning from Synthetic Data for Visual Grounding [55.21937116752679]
  そこで本研究では,SynGroundが市販のビジョン・アンド・ランゲージモデルのローカライズ能力を向上できることを示す。 SynGroundで生成されたデータは、事前訓練されたALBEFモデルとBLIPモデルのポインティングゲーム精度をそれぞれ4.81%、絶対パーセンテージポイント17.11%向上させる。
  論文  参考訳（メタデータ） (2024-03-20T17:59:43Z)
• WinSyn: A High Resolution Testbed for Synthetic Data [41.11481327112564]
  我々は、手続き的モデリング技術を用いて高品質な合成データを作成するためのユニークなデータセットとテストベッドであるWinSynを紹介する。 このデータセットには、世界中の場所から選抜された高解像度の窓の写真が含まれており、89,318の個々の窓作物は、多様な幾何学的特徴と材料的特性を示している。 合成画像と実画像の両方で意味的セグメンテーションネットワークを訓練し、実画像の共有テストセットでそれらの性能を比較することによって、手続きモデルを評価する。
  論文  参考訳（メタデータ） (2023-10-09T20:18:10Z)
• CarPatch: A Synthetic Benchmark for Radiance Field Evaluation on Vehicle Components [77.33782775860028]
  車両の新たな総合ベンチマークであるCarPatchを紹介する。 内在カメラパラメータと外在カメラパラメータを付加した画像のセットに加えて、各ビューに対して対応する深度マップとセマンティックセグメンテーションマスクが生成されている。 グローバルとパートベースのメトリクスは、いくつかの最先端技術を評価し、比較し、より良い特徴付けるために定義され、使われてきた。
  論文  参考訳（メタデータ） (2023-07-24T11:59:07Z)
• ParGANDA: Making Synthetic Pedestrians A Reality For Object Detection [2.7648976108201815]
  本稿では,GAN(Generative Adversarial Network)を用いて,実データと合成データのギャップを埋めることを提案する。 我々のアプローチは、視覚的に可視なサンプルを生成するだけでなく、実際のドメインのラベルも必要としない。
  論文  参考訳（メタデータ） (2023-07-21T05:26:32Z)
• Synthetic-to-Real Domain Adaptation for Action Recognition: A Dataset and Baseline Performances [76.34037366117234]
  ロボット制御ジェスチャー(RoCoG-v2)と呼ばれる新しいデータセットを導入する。 データセットは7つのジェスチャークラスの実ビデオと合成ビデオの両方で構成されている。 我々は,最先端の行動認識とドメイン適応アルゴリズムを用いて結果を示す。
  論文  参考訳（メタデータ） (2023-03-17T23:23:55Z)
• Road images augmentation with synthetic traffic signs using neural networks [3.330229314824913]
  まれな交通標識の検出と分類のタスクを検討します。 合成トレーニングデータを用いて、その課題の解決を目指します。 本稿では,合成標識を外観に整合させる3つの手法を提案する。
  論文  参考訳（メタデータ） (2021-01-13T08:10:33Z)
• Deep traffic light detection by overlaying synthetic context on arbitrary natural images [49.592798832978296]
  深部交通光検出器のための人工的な交通関連トレーニングデータを生成する手法を提案する。 このデータは、任意の画像背景の上に偽のトラフィックシーンをブレンドするために、基本的な非現実的なコンピュータグラフィックスを用いて生成される。 また、交通信号データセットの本質的なデータ不均衡問題にも対処し、主に黄色い状態のサンプルの少なさによって引き起こされる。
  論文  参考訳（メタデータ） (2020-11-07T19:57:22Z)

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。