論文の概要: Challenges in Hyperspectral Imaging for Autonomous Driving: The HSI-Drive Case

• arxiv url: http://arxiv.org/abs/2603.25510v1
• Date: Thu, 26 Mar 2026 14:45:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:48.343411
• Title: Challenges in Hyperspectral Imaging for Autonomous Driving: The HSI-Drive Case
• Title（参考訳）: 自律運転におけるハイパースペクトルイメージングの課題--HSI-Driveの場合
• Authors: Koldo Basterretxea, Jon Gutiérrez-Zaballa, Javier Echanobe,
• Abstract要約: 自律走行(AD)におけるハイパースペクトルイメージング(HSI)は、このアプリケーション領域の仕様と要件に関連する多くの課題に直面している。 一方、制御不能で可変な照明条件、広い奥行き範囲、高速移動物体を持つダイナミックなシーンがある。 これらの要素の組み合わせは、適切なHSI技術を選択するための基準と、カスタムビジョンアルゴリズムの開発の両方を決定する。
• 参考スコア（独自算出の注目度）: 0.8258451067861933
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The use of hyperspectral imaging (HSI) in autonomous driving (AD), while promising, faces many challenges related to the specifics and requirements of this application domain. On the one hand, non-controlled and variable lighting conditions, the wide depth-of-field ranges, and dynamic scenes with fast-moving objects. On the other hand, the requirements for real-time operation and the limited computational resources of embedded platforms. The combination of these factors determines both the criteria for selecting appropriate HSI technologies and the development of custom vision algorithms that leverage the spectral and spatial information obtained from the sensors. In this article, we analyse several techniques explored in the research of HSI-based vision systems with application to AD, using as an example results obtained from experiments using data from the most recent version of the HSI-Drive dataset.
• Abstract（参考訳）: 自律運転(AD)におけるハイパースペクトルイメージング(HSI)の使用は有望ではあるが、このアプリケーションドメインの具体性と要件に関する多くの課題に直面している。 一方、制御不能で可変な照明条件、広い奥行き範囲、高速移動物体を持つダイナミックなシーンがある。 一方,リアルタイム操作の要件と組込みプラットフォームの限られた計算資源は,それぞれ異なる。 これらの要素の組み合わせは、適切なHSI技術を選択するための基準と、センサから得られるスペクトル情報と空間情報を活用するカスタムビジョンアルゴリズムの開発の両方を決定する。 本稿では、最新のHSI-Driveデータセットのデータを用いた実験から得られた実験結果を用いて、HSIベースの視覚システムの研究において、ADに応用するいくつかの手法について分析する。

関連論文リスト

• Hyperspectral Sensors and Autonomous Driving: Technologies, Limitations, and Opportunities [3.1254189095228497]
  ハイパースペクトルイメージング(HSI)は、Advanced Driver Assistance Systems(ADAS)およびAutonomous driving(AD)アプリケーションにトランスフォーメーション・センシング・モダリティを提供する。 本稿では,現行のHSI技術の強度,限界,適合性について検討し,自動車用HSIの総合的なレビューを行った。
  論文  参考訳（メタデータ） (2025-08-27T14:09:53Z)
• Hyperspectral Imaging [49.45523645429475]
  ハイパースペクトルイメージング(Hyperspectral Imaging、HSI)は、空間情報とスペクトル情報を同時にキャプチャする高度なセンシングモダリティである。 このプライマーは、基礎となる物理原理とセンサーアーキテクチャから、データ取得、キャリブレーション、修正における重要なステップまで、HSIの概要を包括的に示す。
  論文  参考訳（メタデータ） (2025-08-11T15:47:24Z)
• AI-Driven HSI: Multimodality, Fusion, Challenges, and the Deep Learning Revolution [1.2647816797166165]
  ハイパースペクトルイメージング(HSI)は、空間的およびスペクトル的なデータをキャプチャし、従来のシステムでは見えない特徴の分析を可能にする。 本研究では,HSIデータ処理における深層学習モデルの役割とデータ融合における課題について概説する。 ディープラーニングは、特徴抽出、変化検出、デノイングアンミックス、次元縮小、ランドカバーマッピング、データ強化、スペクトル構築、超解像といった領域におけるHSI分析を強化する。
  論文  参考訳（メタデータ） (2025-02-09T12:44:16Z)
• Multi-Modality Driven LoRA for Adverse Condition Depth Estimation [61.525312117638116]
  逆条件深さ推定のためのMulti-Modality Driven LoRA(MMD-LoRA)を提案する。 Prompt Driven Domain Alignment (PDDA) と Visual-Text Consistent Contrastive Learning (VTCCL) の2つのコアコンポーネントで構成されている。 nuScenesとOxford RobotCarデータセットの最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-12-28T14:23:58Z)
• Exploring Fully Convolutional Networks for the Segmentation of Hyperspectral Imaging Applied to Advanced Driver Assistance Systems [1.8874331450711404]
  高度運転支援システム(ADAS)におけるハイパースペクトルイメージング(HSI)の利用について検討する。 本稿では,完全な畳み込みネットワーク(FCN)をADAS用HSIの画像セグメント化に適用した実験結果について述べる。 我々はHSI-Drive v1.1データセットを使用し、実際の運転条件で記録されたラベル付き画像のセットを、小型のNIR-HSIカメラで提供する。
  論文  参考訳（メタデータ） (2024-12-05T08:58:25Z)
• On-chip Hyperspectral Image Segmentation with Fully Convolutional Networks for Scene Understanding in Autonomous Driving [1.696186398088554]
  可視スペクトルを超えた運転シーンにおける異なる物体のスペクトル反射は、追加情報を与えることができる。 本研究では、高度運転支援システム(ADAS)におけるスナップショット、ビデオレートハイパースペクトルイメージング(HSI)カメラの利用について検討する。 標準の完全畳み込みネットワーク(FCN)モデルによって符号化された空間的特徴が,HSIセグメンテーションシステムの性能をどの程度向上させるかを分析する。
  論文  参考訳（メタデータ） (2024-11-28T17:10:50Z)
• Efficient High-Resolution Visual Representation Learning with State Space Model for Human Pose Estimation [60.80423207808076]
  高解像度の視覚表現を維持しながら長距離依存関係をキャプチャすることは、人間のポーズ推定のような密集した予測タスクに不可欠である。 マルチスケールの畳み込み操作で視覚状態空間モデルを拡張する動的ビジュアル状態空間(DVSS)ブロックを提案する。 HRVMambaは効率的な高分解能表現学習のための新しいモデルである。
  論文  参考訳（メタデータ） (2024-10-04T06:19:29Z)
• HyperSIGMA: Hyperspectral Intelligence Comprehension Foundation Model [88.13261547704444]
  Hyper SIGMAは、タスクやシーン間でHSI解釈を統合するビジョントランスフォーマーベースの基礎モデルである。 さらに,約450Kのハイパースペクトル画像を含む,事前学習のための大規模ハイパースペクトルデータセットHyperGlobal-450Kを構築した。
  論文  参考訳（メタデータ） (2024-06-17T13:22:58Z)
• BEHAVIOR Vision Suite: Customizable Dataset Generation via Simulation [57.40024206484446]
  我々は、コンピュータビジョンモデルの体系的評価のために、完全にカスタマイズされた合成データを生成するためのツールと資産のセットであるBEHAVIOR Vision Suite(BVS)を紹介する。 BVSはシーンレベルで多数の調整可能なパラメータをサポートする。 アプリケーションシナリオを3つ紹介する。
  論文  参考訳（メタデータ） (2024-05-15T17:57:56Z)
• Interpretable Hyperspectral AI: When Non-Convex Modeling meets Hyperspectral Remote Sensing [57.52865154829273]
  ハイパースペクトルイメージング、別名画像分光法は、地球科学リモートセンシング(RS)におけるランドマーク技術です。 過去10年間で、主に熟練した専門家によってこれらのハイパースペクトル(HS)製品を分析するための取り組みが行われています。 このため、さまざまなHS RSアプリケーションのためのよりインテリジェントで自動的なアプローチを開発することが急務です。
  論文  参考訳（メタデータ） (2021-03-02T03:32:10Z)
• Hyperspectral Image Classification -- Traditional to Deep Models: A Survey for Future Prospects [0.6091702876917281]
  ハイパースペクトルイメージング(HSI)は多くの現実の用途で広く利用されている。 近年,Deep Learning (DL) は強力な特徴抽出器として確立されている。 本調査では,HSICにおけるDLの体系的概要と,そのトピックの最先端戦略の比較を行った。
  論文  参考訳（メタデータ） (2021-01-15T13:59:22Z)

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。