論文の概要: Adverse-to-the-eXtreme Panoptic Segmentation: URVIS 2026 Study and Benchmark

• arxiv url: http://arxiv.org/abs/2604.16984v1
• Date: Sat, 18 Apr 2026 13:02:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.274866
• Title: Adverse-to-the-eXtreme Panoptic Segmentation: URVIS 2026 Study and Benchmark
• Title（参考訳）: Adverse-to-the-eXtreme Panoptic Segmentation: URVIS 2026 Study and Benchmark
• Authors: Yiting Wang, Nolwenn Peyratout, Tim Brodermann, Jiahui Wang, Yusi Cao, Michele Cazzola, Elie Tarassov, Takuya Kobayashi, Abderrahim Kasmi, Guillaume Allibert, Cédric Demonceaux, Valentina Donzella, Kurt Debattista, Radu Timofte, Zongwei Wu, Christos Sakaridis,
• Abstract要約: 最初の挑戦は17人の登録参加者と47人の応募者を集め、4チームが最終フェーズに到達した。 この課題は、悪天候下での汎視的セグメンテーションのためのマルチセンサーベンチマークであるMUSESデータセットに基づいている。
• 参考スコア（独自算出の注目度）: 61.92065556649544
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper presents the report of the URVIS 2026 challenge on adverse-to-extreme panoptic segmentation. As the first challenge of its kind, it attracted 17 registered participants and 47 submissions, with 4 teams reaching the final phase. The challenge is based on the MUSES dataset, a multi-sensor benchmark for panoptic segmentation in adverse-to-extreme weather, including RGB frame camera, LiDAR, radar, and event camera data. Weighted Panoptic Quality (wPQ) is designed and adopted as the official ranking metric for fair evaluation across weather conditions. In this report, we summarise the challenge setting and benchmark results, analyse the performance of the submitted methods, and discuss current progress and remaining challenges for robust multimodal panoptic segmentation. Link: https://urvis-workshop.github.io/challenge-Muses.html
• Abstract（参考訳）: 本報告では, URVIS 2026 課題の報告を報告する。 この種の最初の挑戦として、17人の登録参加者と47人の応募者を集め、4チームが最終フェーズに到達した。 MUSESデータセットは、RGBフレームカメラ、LiDAR、レーダー、イベントカメラデータなど、悪天候下でのパノプティクスのセグメンテーションのためのマルチセンサーベンチマークである。 WPQ(Weighted Panoptic Quality)は、気象条件の公平な評価のための公式なランキング基準として設計され、採用されている。 本報告では,課題設定とベンチマーク結果を要約し,提案手法の性能を解析し,頑健なマルチモーダルパノプティクスセグメンテーションに向けた現状と課題について考察する。 リンク:https://urvis-workshop.github.io/challenge-Muses.html

関連論文リスト

• NTIRE 2026 Rip Current Detection and Segmentation (RipDetSeg) Challenge Report [56.71155440372922]
  リップ流は、世界中の海浜で多くの死者を生んでいる危険な近海流である。 この課題は、RipVISベンチマークに基づいて、検出とセグメンテーションの両方を評価する。 本報告では,データセット,課題プロトコル,評価手法,最終結果について述べるとともに,提案手法の主な知見を要約する。
  論文  参考訳（メタデータ） (2026-04-18T17:09:52Z)
• 4th Workshop on Maritime Computer Vision (MaCVi): Challenge Overview [58.58288326268589]
  第4回海洋コンピュータビジョンワークショップ(MaCVi)はCVPR 2026の一部として組織されている。 このエディションは、予測精度と組み込みリアルタイム実現可能性の両方に重点を置いた5つのベンチマーク課題を特徴としている。
  論文  参考訳（メタデータ） (2026-04-14T19:21:41Z)
• NTIRE 2026 The Second Challenge on Day and Night Raindrop Removal for Dual-Focused Images: Methods and Results [217.29820183896334]
  本稿では,NTIRE 2026第2回昼夜降雨除去チャレンジの概要について述べる。 この課題の第一の目的は、様々な照明と焦点条件の下で雨滴を除去するための強力で実用的なベンチマークを確立することである。 合計168チームが競技に登録し、17チームがテストフェーズの有効な最終ソリューションとファクトシートを提出した。
  論文  参考訳（メタデータ） (2026-04-12T13:22:23Z)
• AIM 2024 Sparse Neural Rendering Challenge: Methods and Results [64.19942455360068]
  本稿では,ECCV 2024と共同で開催されるAIM(Advanceds in Image Manipulation)ワークショップの一部であるスパースニューラルレンダリングの課題についてレビューする。 この課題は、スパース画像から多様なシーンを合成する新しいカメラビューを作ることである。 参加者は、Pak Signal-to-Noise Ratio (PSNR) 測定によって測定された地中真実像に対する客観的忠実度を最適化するよう依頼される。
  論文  参考訳（メタデータ） (2024-09-23T14:17:40Z)
• Technical Report for CVPR 2024 WeatherProof Dataset Challenge: Semantic Segmentation on Paired Real Data [9.128113804878959]
  この課題は、世界中の様々な天候によって劣化した画像のセマンティックセグメンテーションを目標とする。 我々は、インターンイメージ(InternImage)という訓練済みの大規模視覚基盤モデルを導入し、異なるレベルのノイズを持つ画像を用いて訓練した。 その結果、45.1mIOUで2位となり、他の優勝者より少なかった。
  論文  参考訳（メタデータ） (2024-06-09T17:08:07Z)
• LaRS: A Diverse Panoptic Maritime Obstacle Detection Dataset and Benchmark [9.864996020621701]
  我々は,湖沼,河川,海のシーンを特徴とする,最初の海洋パノビュータ障害物検出ベンチマークLaRSを提示する。 LaRSは1ピクセルあたり4000以上のラベル付きキーフレームと9つの前のフレームで構成され、時間的テクスチャの利用を可能にしている。 本稿では,27のセマンティック・パノプティック・セグメンテーション手法と,いくつかのパフォーマンスインサイトと今後の研究方向性について報告する。
  論文  参考訳（メタデータ） (2023-08-18T15:21:15Z)
• AVisT: A Benchmark for Visual Object Tracking in Adverse Visibility [125.77396380698639]
  AVisTは、視認性の悪いさまざまなシナリオにおける視覚的トラッキングのためのベンチマークである。 AVisTは、80kの注釈付きフレームを持つ120の挑戦的なシーケンスで構成されており、18の多様なシナリオにまたがっている。 我々は、属性間でのトラッキング性能を詳細に分析し、AVisTで17の人気のトラッカーと最近のトラッカーをベンチマークした。
  論文  参考訳（メタデータ） (2022-08-14T17:49:37Z)

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。