論文の概要: Thermal is Always Wild: Characterizing and Addressing Challenges in Thermal-Only Novel View Synthesis
- arxiv url: http://arxiv.org/abs/2603.20448v1
- Date: Fri, 20 Mar 2026 19:25:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-24 19:11:38.919169
- Title: Thermal is Always Wild: Characterizing and Addressing Challenges in Thermal-Only Novel View Synthesis
- Title（参考訳）: 熱は常に野生である:熱オンリーな視点合成の課題とその解決
- Authors: M. Kerem Aydin, Vishwanath Saragadam, Emma Alexander,
- Abstract要約: 使用可能なダイナミックレンジを拡張し,フレーム単位のフォトメトリを安定化する,軽量な前処理およびスプラッティングパイプラインを導入する。
提案手法は,データセット固有のチューニングを必要とせずに,熱のみのNVSベンチマークにおける最先端性能を実現する。
- 参考スコア（独自算出の注目度）: 7.16501244435469
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Thermal cameras provide reliable visibility in darkness and adverse conditions, but thermal imagery remains significantly harder to use for novel view synthesis (NVS) than visible-light images. This difficulty stems primarily from two characteristics of affordable thermal sensors. First, thermal images have extremely low dynamic range, which weakens appearance cues and limits the gradients available for optimization. Second, thermal data exhibit rapid frame-to-frame photometric fluctuations together with slow radiometric drift, both of which destabilize correspondence estimation and create high-frequency floater artifacts during view synthesis, particularly when no RGB guidance (beyond camera pose) is available. Guided by these observations, we introduce a lightweight preprocessing and splatting pipeline that expands usable dynamic range and stabilizes per-frame photometry. Our approach achieves state-of-the-art performance across thermal-only NVS benchmarks, without requiring any dataset-specific tuning.
- Abstract（参考訳）: サーマルカメラは暗さと悪条件を確実に可視化するが、サーマルイメージは可視光画像よりも新しいビューシンセサイザー(NVS)を使用するのが著しく困難である。
この難しさは、おもに安価な熱センサーの2つの特徴に由来する。
第一に、熱画像は極めて低いダイナミックレンジを持ち、外観を弱め、最適化に利用可能な勾配を制限する。
第2に、フレーム間光量計の急激な変動と、低速な放射量ドリフトを示し、対応推定を不安定化し、特にRGBガイダンス(カメラポーズ以外の)が利用できない場合、ビュー合成中に高頻度のフローターアーティファクトを作成する。
これらの観測から導かれ、使用可能なダイナミックレンジを拡大し、フレーム当たりの光度測定を安定化する軽量な前処理およびスプレイティングパイプラインを導入する。
提案手法は,データセット固有のチューニングを必要とせずに,熱のみのNVSベンチマークにおける最先端性能を実現する。
関連論文リスト
- Unifying Color and Lightness Correction with View-Adaptive Curve Adjustment for Robust 3D Novel View Synthesis [73.27997579020233]
多様な照明条件下での堅牢なNVSのための3DGSベースのフレームワークであるLuminance-GS++を提案する。
本手法は,グローバルな視野適応光度調整と局所画素ワイド残差補正を組み合わせ,正確な色補正を行う。
論文 参考訳（メタデータ） (2026-02-20T16:20:50Z) - Physics-Constrained Cross-Resolution Enhancement Network for Optics-Guided Thermal UAV Image Super-Resolution [19.782662020080522]
既存の方法では、光学的特徴を圧縮して熱的特徴次元を整合させて、クロスモーダルアライメントと融合を行う。
我々は,光と熱のモードの相互拡張を実現するためにPCNetを提案する。
また,光誘導に二次元熱伝導を取り入れた物理駆動熱伝導モジュール(PDTM)を提案する。
論文 参考訳（メタデータ） (2026-01-07T02:30:27Z) - Enhancing Infrared Vision: Progressive Prompt Fusion Network and Benchmark [58.61079960074608]
既存の赤外線画像強調法は、個々の劣化に対処することに焦点を当てている。
一般的にRGBセンサーに適用されるオールインワンエンハンスメント法は、有効性が制限されることが多い。
論文 参考訳（メタデータ） (2025-10-10T12:55:54Z) - A Novel Tuning Method for Real-time Multiple-Object Tracking Utilizing Thermal Sensor with Complexity Motion Pattern [7.6016974897939535]
サーマル画像における多対象追跡は監視システムに不可欠である。
熱画像における複雑な動きパターンの処理に特化して設計された,歩行者追跡のための新しいチューニング手法を提案する。
論文 参考訳（メタデータ） (2025-07-03T08:03:35Z) - Veta-GS: View-dependent deformable 3D Gaussian Splatting for thermal infrared Novel-view Synthesis [3.1457219084519004]
熱赤外画像(TIR)に基づく3次元ガウス散乱(3D-GS)は, 新規な視点合成において注目されている。
本稿では、ビュー依存の変形場とサーマル・フィーチャー・エクストラクタを利用して微妙な温度変化を捉えたVeta-GSを紹介する。
本手法は既存手法よりも優れた性能を実現する。
論文 参考訳（メタデータ） (2025-05-25T13:20:45Z) - Thermal3D-GS: Physics-induced 3D Gaussians for Thermal Infrared Novel-view Synthesis [11.793425521298488]
本稿では,熱3D-GSという物理誘導型3次元ガウススプラッティング法を提案する。
The first large-scale benchmark dataset for this field called Thermal Infrared Novel-view Synthesis dataset (TI-NSD)。
その結果,本手法はPSNRの3.03dB改善によりベースライン法よりも優れていた。
論文 参考訳（メタデータ） (2024-09-12T13:46:53Z) - Leveraging Thermal Modality to Enhance Reconstruction in Low-Light Conditions [25.14690752484963]
ニューラル・ラジアンス・フィールド(NeRF)は、多視点画像からシーンの暗黙的な表現を学習することにより、写真リアリスティックなノベルビュー合成を実現する。
既存のアプローチは、生画像から低照度シーンを再構築するが、暗黒領域におけるテクスチャや境界の詳細の回復に苦慮している。
本研究では,熱的・可視的な原像を入力とし,同時に可視的・熱的視点合成を実現する熱-NeRFを提案する。
論文 参考訳（メタデータ） (2024-03-21T00:35:31Z) - Does Thermal Really Always Matter for RGB-T Salient Object Detection? [153.17156598262656]
本稿では,RGB-T有意物体検出(SOD)タスクを解決するために,TNetというネットワークを提案する。
本稿では,画像のグローバル照度を推定するためのグローバル照度推定モジュールを提案する。
一方, 2段階の局所化と相補化モジュールを導入し, 熱的特徴の物体位置化キューと内部整合キューをRGBモダリティに転送する。
論文 参考訳（メタデータ） (2022-10-09T13:50:12Z) - Thermal to Visible Image Synthesis under Atmospheric Turbulence [67.99407460140263]
バイオメトリックスや監視では、低照度と夜間の条件下での撮像に熱画像モダリティがしばしば用いられる。
このような画像システムは、しばしば大気の乱れに悩まされ、撮像された画像に激しいぼやけや変形のアーチファクトをもたらす。
熱画像を直接可視光画像に変換するエンド・ツー・エンドの再構成法を提案する。
論文 参考訳（メタデータ） (2022-04-06T19:47:41Z) - Maximizing Self-supervision from Thermal Image for Effective
Self-supervised Learning of Depth and Ego-motion [78.19156040783061]
熱画像からの深度とエゴモーションの自己教師付き学習は、困難なシナリオ下で強い堅牢性と信頼性を示す。
弱いコントラスト、ぼやけたエッジ、ノイズなどの固有の熱画像特性は、熱画像から効果的な自己スーパービジョンを生成するために障害となる。
本研究では,時間的一貫性を維持しつつ,全体構造,コントラスト,詳細などの画像情報を大幅に向上させる有効熱画像マッピング手法を提案する。
論文 参考訳（メタデータ） (2022-01-12T09:49:24Z) - TimeLens: Event-based Video Frame Interpolation [54.28139783383213]
本稿では,合成法とフロー法の両方の利点を生かした,等価寄与法であるTime Lensを紹介する。
最先端のフレームベースおよびイベントベース手法よりもPSNRが最大5.21dB向上したことを示す。
論文 参考訳（メタデータ） (2021-06-14T10:33:47Z)
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。