論文の概要: Using Shadows in Circular Synthetic Aperture Sonar Imaging for Target Analysis

• arxiv url: http://arxiv.org/abs/2601.16733v1
• Date: Fri, 23 Jan 2026 13:31:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-26 14:27:27.692641
• Title: Using Shadows in Circular Synthetic Aperture Sonar Imaging for Target Analysis
• Title（参考訳）: サーキュラー合成開口ソナーイメージングにおけるシャドーを用いたターゲット解析
• Authors: Yann Le Gall, Nicolas Burlet, Mathieu Simon, Fabien Novella, Samantha Dugelay, Jean-Philippe Malkasse,
• Abstract要約: サーキュラー合成開口ソナー(CSAS)は海底の360方位ビューを提供する。 これにより、CSASは機雷戦における標的認識の貴重なツールとなる。 本研究では,CSASデータから影情報を抽出し,対象分析を改善して3次元再構成を行う手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Circular Synthetic Aperture Sonar (CSAS) provides a 360° azimuth view of the seabed, surpassing the limited aperture and mono-view image of conventional side-scan SAS. This makes CSAS a valuable tool for target recognition in mine warfare where the diversity of point of view is essential for reducing false alarms. CSAS processing typically produces a very high-resolution two-dimensional image. However, the parallax introduced by the circular displacement of the illuminator fill-in the shadow regions, and the shadow cast by an object on the seafloor is lost in favor of azimuth coverage and resolution. Yet the shadows provide complementary information on target shape useful for target recognition. In this paper, we explore a way to retrieve shadow information from CSAS data to improve target analysis and carry 3D reconstruction. Sub-aperture filtering is used to get a collection of images at various points of view along the circular trajectory and fixed focus shadow enhancement (FFSE) is applied to obtain sharp shadows. An interactive interface is also proposed to allow human operators to visualize these shadows along the circular trajectory. A space-carving reconstruction method is applied to infer the 3D shape of the object from the segmented shadows. The results demonstrate the potential of shadows in circular SAS for improving target analysis and 3D reconstruction.
• Abstract（参考訳）: サーキュラー・シンセティック・アパーチャ・ソナー (CSAS) は、従来のサイドスキャンSASの限られた開口部と単視像を上回り、海底の360度方位ビューを提供する。 これによりCSASは、誤報を減らすために視点の多様性が不可欠である地雷戦において、標的認識のための貴重なツールとなる。 CSAS処理は通常、非常に高解像度の2次元画像を生成する。 しかし、この影領域にイルミネーターの円形変位によって生じるパララックスや、海底の物体が放つ影は、方位のカバレッジと解像度に有利に失われる。 しかし、シャドーはターゲット認識に有用なターゲット形状の相補的な情報を提供する。 本稿では,CSASデータから影情報を抽出し,対象分析を改善し,3次元再構成を行う方法を検討する。 サブアパーチャフィルタリングを用いて、円軌道に沿って様々な視点の画像を収集し、固定フォーカスシャドウ強調(FFSE)を適用してシャープシャドウを得る。 また、人間の操作者が円軌道に沿った影を可視化できるように、対話的なインタフェースも提案されている。 分割された影から物体の3次元形状を推定するために、空間彫刻再構成法を適用する。 その結果, 円形SASにおける影の可能性が示唆され, 対象分析と3次元再構成の改善が図られた。

関連論文リスト

• Physics-Grounded Attached Shadow Detection Using Approximate 3D Geometry and Light Direction [46.19532675330894]
  付属影は、光が自己閉塞のため到達できない物体の表面に存在する。 シーン照明と幾何学との相互関係を考慮し,鋳造影と付着影を共同で検出する枠組みを提案する。 本システムは,両方の影を別々に予測する影検出モジュールと,検出した影から光方向を推定する光推定モジュールとから構成される。
  論文  参考訳（メタデータ） (2025-12-05T22:01:27Z)
• S-EO: A Large-Scale Dataset for Geometry-Aware Shadow Detection in Remote Sensing Applications [9.673688224123369]
  S-EOデータセットは、ジオメトリ対応のシャドウ検出を前進させるために設計された、大規模で高解像度のデータセットである。 データセットは米国全体で702個の測地タイルで構成され、それぞれ500×500mをカバーしている。 各画像に対して、幾何と太陽の位置から派生した影マスク、NDVI指数に基づく植生マスク、バンドル調整RPCモデルを提供する。
  論文  参考訳（メタデータ） (2025-04-09T14:25:35Z)
• MetaShadow: Object-Centered Shadow Detection, Removal, and Synthesis [64.00425120075045]
  シャドウは画像編集アプリケーションでは過小評価されるか無視されることが多く、編集結果のリアリズムが制限される。 本稿では,自然画像中の影の検出・除去・制御が可能な3-in-one多元性フレームワークであるMetaShadowを紹介する。
  論文  参考訳（メタデータ） (2024-12-03T18:04:42Z)
• Soft-Hard Attention U-Net Model and Benchmark Dataset for Multiscale Image Shadow Removal [2.999888908665659]
  本研究では,マルチスケールシャドウ除去に着目した,ソフトハード注意U-net(SHAU)という新しいディープラーニングアーキテクチャを提案する。 マルチスケールシャドウ除去データセット(MSRD)と呼ばれる新しい合成データセットを提供し、複数のスケールの複雑なシャドウパターンを含んでいる。 その結果,SHAUは,様々なベンチマークデータセット間で,関連する最先端のシャドウ除去方法に対して有効であることが示された。
  論文  参考訳（メタデータ） (2024-08-07T12:42:06Z)
• DeS3: Adaptive Attention-driven Self and Soft Shadow Removal using ViT Similarity [54.831083157152136]
  本稿では,適応的注意とViT類似性に基づいて,ハード,ソフト,セルフシャドーを除去する手法を提案する。 提案手法はSRD, AISTD, LRSS, USR, UIUCデータセットの最先端手法より優れている。
  論文  参考訳（メタデータ） (2022-11-15T12:15:29Z)
• StereoPose: Category-Level 6D Transparent Object Pose Estimation from Stereo Images via Back-View NOCS [106.62225866064313]
  本稿では,カテゴリレベルのオブジェクトポーズ推定のためのステレオ画像フレームワークであるStereoPoseを紹介する。 純粋なステレオ画像からロバストな推定を行うため、カテゴリレベルのポーズ推定をオブジェクトサイズ推定、初期ポーズ推定、ポーズ修正に分解するパイプラインを開発する。 画像コンテンツエイリアス化の問題に対処するために、透明なオブジェクトに対するバックビューNOCSマップを定義する。 バックビューNOCSは、コンテンツエイリアスによるネットワーク学習のあいまいさを低減し、透明オブジェクトの背面にある情報的手がかりを利用してより正確なポーズ推定を行うことを目的としている。
  論文  参考訳（メタデータ） (2022-11-03T08:36:09Z)
• CNSNet: A Cleanness-Navigated-Shadow Network for Shadow Removal [4.951051823391577]
  シャドウマスクをベースとした,シャドウ指向適応正規化(SOAN)モジュールとトランスフォーマー(SAAT)モジュールを用いたシャドウ対応アグリゲーションを提案する。 シャドウマスクのガイダンスの下で、SOANモジュールは非シャドウ領域の統計を定式化し、それらを領域的な復元のためにシャドウ領域に適応的に適用する。 SAATモジュールは、シャドウフリー領域から高関連性の高い画素を考慮し、シャドウマスクを用いて各シャドウ画素の復元を正確にガイドする。
  論文  参考訳（メタデータ） (2022-09-06T01:33:38Z)
• Controllable Shadow Generation Using Pixel Height Maps [58.59256060452418]
  物理ベースのシャドウレンダリング法は3次元のジオメトリーを必要とするが、必ずしも利用できない。 深層学習に基づく影合成法は、光情報から物体の影へのマッピングを、影の幾何学を明示的にモデル化することなく学習する。 オブジェクト,グラウンド,カメラのポーズ間の相関を符号化する新しい幾何学的表現であるピクセルハイを導入する。
  論文  参考訳（メタデータ） (2022-07-12T08:29:51Z)
• Sparse Pose Trajectory Completion [87.31270669154452]
  サンプルの少ないビューにのみオブジェクトが出現するデータセットを使用しても学習する方法を提案する。 これはクロスモーダルポーズ軌道伝達機構によって実現される。 この手法はPix3DおよびShapeNetデータセット上で評価される。
  論文  参考訳（メタデータ） (2021-05-01T00:07:21Z)

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。