論文の概要: Computer Vision with a Superpixelation Camera

• arxiv url: http://arxiv.org/abs/2603.26900v1
• Date: Fri, 27 Mar 2026 18:19:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:44.68744
• Title: Computer Vision with a Superpixelation Camera
• Title（参考訳）: スーパーピクセルカメラを用いたコンピュータビジョン
• Authors: Sasidharan Mahalingam, Rachel Brown, Atul Ingle,
• Abstract要約: 我々はSuperCamと呼ばれる新しいカメラ設計を提案し、スーパーピクセルセグメンテーションをオンザフライで行うことにより、キャプチャデータを適応的に処理する。 メモリ制約条件下では,SuperCamは現在の最先端のスーパーピクセルアルゴリズムよりも性能がよいことを示す。
• 参考スコア（独自算出の注目度）: 5.69692327044632
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conventional cameras generate a lot of data that can be challenging to process in resource-constrained applications. Usually, cameras generate data streams on the order of the number of pixels in the image. However, most of this captured data is redundant for many downstream computer vision algorithms. We propose a novel camera design, which we call SuperCam, that adaptively processes captured data by performing superpixel segmentation on the fly. We show that SuperCam performs better than current state-of-the-art superpixel algorithms under memory-constrained situations. We also compare how well SuperCam performs when the compressed data is used for downstream computer vision tasks. Our results demonstrate that the proposed design provides superior output for image segmentation, object detection, and monocular depth estimation in situations where the available memory on the camera is limited. We posit that superpixel segmentation will play a crucial role as more computer vision inference models are deployed in edge devices. SuperCam would allow computer vision engineers to design more efficient systems for these applications.
• Abstract（参考訳）: 従来のカメラは、リソースに制約のあるアプリケーションでは処理が難しい大量のデータを生成します。 通常、カメラは画像中のピクセル数の順にデータストリームを生成する。 しかし、これらのキャプチャされたデータのほとんどは、多くの下流コンピュータビジョンアルゴリズムには冗長である。 我々はSuperCamと呼ばれる新しいカメラ設計を提案し、スーパーピクセルセグメンテーションをオンザフライで行うことにより、キャプチャデータを適応的に処理する。 メモリ制約条件下では,SuperCamは現在の最先端のスーパーピクセルアルゴリズムよりも性能がよいことを示す。 また、圧縮されたデータがダウンストリームコンピュータビジョンタスクに使用される場合、SuperCamのパフォーマンスも比較する。 提案手法は,カメラ上で利用可能なメモリが限られている状況において,画像分割,物体検出,単眼深度推定に優れた出力を提供することを示す。 我々は、エッジデバイスにより多くのコンピュータビジョン推論モデルがデプロイされるにつれて、スーパーピクセルセグメンテーションが重要な役割を果たすと仮定する。 SuperCamは、コンピュータビジョンエンジニアがこれらのアプリケーションのためにより効率的なシステムを設計できるようにする。

関連論文リスト

• ReCamMaster: Camera-Controlled Generative Rendering from A Single Video [72.42376733537925]
  ReCamMasterは、カメラ制御された生成ビデオの再レンダリングフレームワークである。 これは、新しいカメラ軌道における入力ビデオのダイナミックなシーンを再現する。 また,ビデオの安定化,超高解像度化,画質向上に有望な応用を見出した。
  論文  参考訳（メタデータ） (2025-03-14T17:59:31Z)
• PIV3CAMS: a multi-camera dataset for multiple computer vision problems and its application to novel view-point synthesis [120.4361056355332]
  この論文では、3つのCAMeraS、すなわちPIV3CAMSからPaired Image and Videoのデータを紹介している。 PIV3CAMSデータセットは8385対の画像と82対のビデオで構成されている。 本稿では,現在最先端のアルゴリズムの再構築に加えて,深度情報を幾何的に統合する代替モデルについても検討する。
  論文  参考訳（メタデータ） (2024-07-26T12:18:29Z)
• Superpixel Transformers for Efficient Semantic Segmentation [32.537400525407186]
  本稿では,画像の過剰部分化というスーパーピクセルの考え方を活用し,近代的なトランスフォーマーフレームワークでそれらを適用することによって,その解決策を提案する。 提案手法は,グローバルな自己認識機構によって生成されるリッチなスーパーピクセル特徴により,セマンティックセマンティックセグメンテーションにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-09-28T23:09:30Z)
• Efficient Multiscale Object-based Superpixel Framework [62.48475585798724]
  我々は,SICLE(Iterative CLEarcutting)によるスーパーピクセルという,新しいスーパーピクセルフレームワークを提案する。 SICLEは、複数スケールのセグメンテーションをオンザフライで生成できるオブジェクト情報を利用する。 これは最近のスーパーピクセル法を一般化し、複数のデライン化指標に従って効率と効率性に関する最先端のアプローチを超越している。
  論文  参考訳（メタデータ） (2022-04-07T15:59:38Z)
• Generating Superpixels for High-resolution Images with Decoupled Patch Calibration [82.21559299694555]
  Patch Networks (PCNet) は高解像度のスーパーピクセルセグメンテーションを効率的かつ正確に実装するように設計されている。 DPCは高解像度画像から局所パッチを取得し、動的にバイナリマスクを生成し、ネットワークを領域境界に集中させる。 特に、DPCは高解像度画像からローカルパッチを取り、動的にバイナリマスクを生成して、ネットワークを領域境界に集中させる。
  論文  参考訳（メタデータ） (2021-08-19T10:33:05Z)
• Implicit Integration of Superpixel Segmentation into Fully Convolutional Networks [11.696069523681178]
  スーパーピクセル方式をCNNに暗黙的に統合する方法を提案する。 提案手法では,下地層に画素を階層的にグループ化し,スーパーピクセルを生成する。 本手法は,セマンティックセグメンテーション,スーパーピクセルセグメンテーション,モノクル深度推定などのタスクで評価する。
  論文  参考訳（メタデータ） (2021-03-05T02:20:26Z)
• Sampling Based Scene-Space Video Processing [89.49726406622842]
  ビデオ処理のための新しいサンプリングベースのフレームワークを提案する。 奥行きのミスやカメラのポーズ推定がある場合、高品質なシーン空間ビデオ効果を可能にする。 カジュアルにキャプチャーされた、手持ちの、動く、圧縮された、モノラルなビデオの結果を提示する。
  論文  参考訳（メタデータ） (2021-02-05T05:55:04Z)
• Exploiting Raw Images for Real-Scene Super-Resolution [105.18021110372133]
  本稿では,合成データと実撮影画像とのギャップを埋めるために,実シーンにおける単一画像の超解像化の問題について検討する。 本稿では,デジタルカメラの撮像過程を模倣して,よりリアルなトレーニングデータを生成する手法を提案する。 また、原画像に記録された放射情報を活用するために、2分岐畳み込みニューラルネットワークを開発した。
  論文  参考訳（メタデータ） (2021-02-02T16:10:15Z)
• Superpixel Segmentation with Fully Convolutional Networks [32.878045921919714]
  本稿では,通常の画像グリッド上でのスーパーピクセルの予測に完全畳み込みネットワークを用いる新しい手法を提案する。 ベンチマーク・データセットによる実験結果から,提案手法は最先端のスーパーピクセル・セグメンテーション性能を実現することが示された。 ステレオマッチングのための人気のあるネットワークアーキテクチャを改良し、スーパーピクセルと格差を同時に予測する。
  論文  参考訳（メタデータ） (2020-03-29T02:42:07Z)

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。