論文の概要: PLAS-Net: Pixel-Level Area Segmentation for UAV-Based Beach Litter Monitoring

• arxiv url: http://arxiv.org/abs/2604.21313v1
• Date: Thu, 23 Apr 2026 06:08:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-24 14:40:06.328995
• Title: PLAS-Net: Pixel-Level Area Segmentation for UAV-Based Beach Litter Monitoring
• Title（参考訳）: PLAS-Net:UAVによるビーチリッターモニタリングのための画素レベル領域セグメンテーション
• Authors: Yongying Liu, Jiaqi Wang, Jian Song, Xinlei Shao, Yijia Chen, Nan Xu, Katsunori Mizuno, Shigeru Tabeta, Fan Zhao,
• Abstract要約: PLAS-Net (Pixel-level Litter Area Segmentor) は, 沿岸デブリの画素精度の高い物理フットプリントを抽出する, サンプルセグメンテーションフレームワークである。 PLAS-NetはタイのKoh Taoにあるモンスーン駆動のポケットビーチのUAV画像に基づいて、11のベースラインモデルよりも高精度で58.7%のmAP_50を達成している。
• 参考スコア（独自算出の注目度）: 31.410761309166926
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate quantification of the physical exposure area of beach litter, rather than simple item counts, is essential for credible ecological risk assessment of marine debris. However, automated UAV-based monitoring predominantly relies on bounding-box detection, which systematically overestimates the planar area of irregular litter objects. To address this geometric limitation, we develop PLAS-Net (Pixel-level Litter Area Segmentor), an instance segmentation framework that extracts pixel-accurate physical footprints of coastal debris. Evaluated on UAV imagery from a monsoon-driven pocket beach in Koh Tao, Thailand, PLAS-Net achieves a mAP_50 of 58.7% with higher precision than eleven baseline models, demonstrating improved mask fidelity under complex coastal conditions. To illustrate how the accuracy of the masking affects the conclusions of environmental analysis, we conducted three downstream demonstrations: (i) power-law fitting of normalized plastic density (NPD) to characterize fragmentation dynamics; (ii) area-weighted ecological risk index (ERI) to map spatial pollution hotspots; and (iii) source composition analysis revealing the abundance-area paradox: fishing gear constitutes a small proportion of the total number of items, but has the largest physical area per unit item. Pixel-level area extraction can provide more valuable information for coastal monitoring compared to methods based solely on counting.
• Abstract（参考訳）: 簡易な項目数ではなく,海浜の露光面積の正確な定量化は,海洋破片の信頼性の高い生態学的リスク評価に不可欠である。 しかし、自動UAVベースの監視は主に、不規則なゴミの平面領域を体系的に過大評価するバウンディングボックス検出に依存している。 この幾何学的制限に対処するため,海岸破片の画素精度の高い物理フットプリントを抽出するケースセグメンテーションフレームワークであるPLAS-Net(Pixel-level Litter Area Segmentor)を開発した。 PLAS-Netはタイのコ・タオ(Koh Tao)のモンスーン駆動のポケットビーチのUAV画像に基づいて、11のベースラインモデルよりも高精度で58.7%のmAP_50を達成し、複雑な沿岸環境下でのマスクの忠実度の向上を実証した。 マスキングの精度が環境分析の結論にどのように影響するかを説明するために,下流の3つの実証実験を行った。 一 分断力学を特徴付けるために正規化プラスチック密度(NPD)のパワーローフィッティング 二 空間汚染ホットスポットの地図作成のための地域重み付き生態リスク指標(ERI) 三 漁具の総数に占める割合は少ないが、単位単位当たりの物理面積が最も大きいこと。 画素レベルの領域抽出は, 計数のみに基づく手法に比べて, 沿岸モニタリングに有用な情報を提供することができる。

関連論文リスト

• Expose Camouflage in the Water: Underwater Camouflaged Instance Segmentation and Dataset [76.92197418745822]
  カモフラージュされたインスタンスセグメンテーション(CIS)は、周囲と密接に融合したオブジェクトを正確にセグメンテーションする際の大きな課題に直面します。 従来のカモフラージュされたインスタンスセグメンテーション法は、水中のサンプルが限られている地球上で支配的なデータセットに基づいて訓練されており、水中のシーンでは不十分な性能を示す可能性がある。 本研究は,海中カモフラージュされた海洋生物の3,953枚の画像とインスタンスレベルのアノテーションを含む,最初の水中カモフラージュされたインスタンスセグメンテーションデータセットUCIS4Kを紹介する。
  論文  参考訳（メタデータ） (2025-10-20T14:34:51Z)
• No Mesh, No Problem: Estimating Coral Volume and Surface from Sparse Multi-View Images [45.20850219249498]
  有効なサンゴ礁のモニタリングには、正確な体積と表面積の推定によるサンゴの成長の定量化が必要である。 本稿では,2次元マルチビューRGB画像からサンゴのような物体の3次元体積と表面積を予測することによって,この問題に対処する,新しい,軽量でスケーラブルな学習フレームワークを提案する。 このフレームワークは、スパース画像から効率よくスケーラブルなサンゴの形状を推定する方法を開拓し、サンゴの成長分析やサンゴのモニタリングに応用できる可能性がある。
  論文  参考訳（メタデータ） (2025-09-14T08:52:01Z)
• ReconMOST: Multi-Layer Sea Temperature Reconstruction with Observations-Guided Diffusion [48.540756751934836]
  ReconMOSTは多層水温再構築のためのデータ駆動誘導拡散モデルフレームワークである。 提案手法はMLベースのSST再構成をグローバルな多層設定に拡張し,92.5%以上の欠落データを処理する。
  論文  参考訳（メタデータ） (2025-06-12T06:27:22Z)
• Leveraging 6DoF Pose Foundation Models For Mapping Marine Sediment Burial [0.0]
  この研究はPoseIDONと呼ばれるコンピュータビジョンパイプラインを導入し、ROVビデオから6度の自由物体のポーズと周囲の海底の向きを推定する。 この方法はサンペドロ盆地の歴史的な海溝で記録された砲身や弾薬を含む54の物体の映像を用いて検証されている。 このアプローチは、スケーラブルで非侵襲的な海底埋没のマッピングを可能にし、汚染された場所での環境評価を支援する。
  論文  参考訳（メタデータ） (2025-06-12T06:21:00Z)
• Image-Based Relocalization and Alignment for Long-Term Monitoring of Dynamic Underwater Environments [57.59857784298534]
  本稿では,視覚的位置認識(VPR),特徴マッチング,画像分割を組み合わせた統合パイプラインを提案する。 本手法は, 再検討領域のロバスト同定, 剛性変換の推定, 生態系変化の下流解析を可能にする。
  論文  参考訳（メタデータ） (2025-03-06T05:13:19Z)
• OccNeRF: Advancing 3D Occupancy Prediction in LiDAR-Free Environments [77.0399450848749]
  本稿では,OccNeRF法を用いて,3次元監視なしで占有ネットワークを訓練する手法を提案する。 我々は、再構成された占有領域をパラメータ化し、サンプリング戦略を再編成し、カメラの無限知覚範囲に合わせる。 意味的占有予測のために,事前学習した開語彙2Dセグメンテーションモデルの出力をフィルタリングし,プロンプトを洗練するためのいくつかの戦略を設計する。
  論文  参考訳（メタデータ） (2023-12-14T18:58:52Z)
• Large-scale Detection of Marine Debris in Coastal Areas with Sentinel-2 [3.6842260407632903]
  海洋汚染を定量化するための努力は、しばしば粗末で高価な海岸調査によって行われる。 沿岸地域の衛星データは容易に入手でき、プラスチックごみを含む海洋ゴミの集積を検出するために利用することができる。 本稿では, 深部セグメンテーションモデル上に構築された海洋破片検出装置について述べる。
  論文  参考訳（メタデータ） (2023-07-05T17:38:48Z)
• Optimized Custom Dataset for Efficient Detection of Underwater Trash [3.2634122554914002]
  本報告では, 海底破砕物に対するカスタムデータセットの開発と効率的な検出手法を提案する。 データセットは多様な水中環境を含み、デブリのインスタンスの正確なラベル付けのためのアノテーションが組み込まれている。 このカスタムデータセットの主な目的は、最先端のディープラーニングアーキテクチャを活用することで、リッターインスタンスの多様性を高め、深海環境における検出精度を向上させることである。
  論文  参考訳（メタデータ） (2023-05-25T20:28:04Z)
• DeepPlastic: A Novel Approach to Detecting Epipelagic Bound Plastic Using Deep Visual Models [0.0]
  現在、浮遊プラスチックを定量化する最も一般的な監視方法は、マンタトロールの使用が必要です。 分析前の物理的除去の必要性は、コストが高く、リアルタイムの海洋プラスチックモニタリングサービスのスケーラブルな展開を妨げる集中的な労力を必要とします。 本研究では,海表層内で撮影した画像をインプットとして利用する,高度にスケーラブルなワークフローを提案する。
  論文  参考訳（メタデータ） (2021-05-05T06:04:26Z)

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。