論文の概要: SyMTRS: Benchmark Multi-Task Synthetic Dataset for Depth, Domain Adaptation and Super-Resolution in Aerial Imagery

• arxiv url: http://arxiv.org/abs/2604.21801v1
• Date: Thu, 23 Apr 2026 15:59:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-24 14:40:06.704603
• Title: SyMTRS: Benchmark Multi-Task Synthetic Dataset for Depth, Domain Adaptation and Super-Resolution in Aerial Imagery
• Title（参考訳）: SyMTRS:航空画像における深さ・領域適応・超解像のためのベンチマークマルチタスク合成データセット
• Authors: Safouane El Ghazouali, Nicola Venturi, Michael Rueegsegger, Umberto Michelucci,
• Abstract要約: 高忠実度都市シミュレーションパイプラインを用いた大規模合成データセットSyMTRSを提案する。 このデータセットは、高解像度の空中画像(2048 x 2048)、ピクセル完全深度マップ、ドメイン適応のための夜間対応、x2、x4、x8スケールでの超高解像度の低解像度の変種を提供する。 SyMTRSは、完全な幾何学的基底真理と一貫した多領域監視による制御実験を可能にすることで、リモートセンシング研究における重要なギャップを埋めることを目的としている。
• 参考スコア（独自算出の注目度）: 1.2599533416395765
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Recent advances in deep learning for remote sensing rely heavily on large annotated datasets, yet acquiring high-quality ground truth for geometric, radiometric, and multi-domain tasks remains costly and often infeasible. In particular, the lack of accurate depth annotations, controlled illumination variations, and multi-scale paired imagery limits progress in monocular depth estimation, domain adaptation, and super-resolution for aerial scenes. We present SyMTRS, a large-scale synthetic dataset generated using a high-fidelity urban simulation pipeline. The dataset provides high-resolution RGB aerial imagery (2048 x 2048), pixel-perfect depth maps, night-time counterparts for domain adaptation, and aligned low-resolution variants for super-resolution at x2, x4, and x8 scales. Unlike existing remote sensing datasets that focus on a single task or modality, SyMTRS is designed as a unified multi-task benchmark enabling joint research in geometric understanding, cross-domain robustness, and resolution enhancement. We describe the dataset generation process, its statistical properties, and its positioning relative to existing benchmarks. SyMTRS aims to bridge critical gaps in remote sensing research by enabling controlled experiments with perfect geometric ground truth and consistent multi-domain supervision. The results obtained in this work can be reproduced from this Github repository: https://github.com/safouaneelg/SyMTRS.
• Abstract（参考訳）: リモートセンシングのためのディープラーニングの最近の進歩は、大きな注釈付きデータセットに大きく依存しているが、幾何、ラジオメトリック、マルチドメインタスクのための高品質な基底真理を取得することは、コストがかかり、しばしば実現不可能である。 特に、正確な深度アノテーションの欠如、制御された照明のバリエーション、およびマルチスケールのペア画像は、空中シーンにおける単眼深度推定、ドメイン適応、超解像の進行を制限している。 高忠実度都市シミュレーションパイプラインを用いた大規模合成データセットSyMTRSを提案する。 このデータセットは、高解像度のRGB空中画像(2048 x 2048)、ピクセル完全深度マップ、ドメイン適応のための夜間対応、およびx2、x4、x8スケールで超高解像度の低解像度版を提供する。 単一のタスクやモダリティにフォーカスする既存のリモートセンシングデータセットとは異なり、SyMTRSは、幾何学的理解、ドメイン間の堅牢性、解像度向上に関する共同研究を可能にする統合マルチタスクベンチマークとして設計されている。 本稿では,データセット生成プロセスとその統計特性,および既存のベンチマークに対する位置について述べる。 SyMTRSは、完全な幾何学的基底真理と一貫した多領域監視による制御実験を可能にすることで、リモートセンシング研究における重要なギャップを埋めることを目的としている。 この研究で得られた結果は、このGithubリポジトリから再現することができる。

関連論文リスト

• Real-IAD D3: A Real-World 2D/Pseudo-3D/3D Dataset for Industrial Anomaly Detection [53.2590751089607]
  Real-IAD D3は高精度なマルチモーダルデータセットであり、フォトメトリックステレオによって生成された擬似3Dモダリティが組み込まれている。 本稿では,RGB,点雲,擬似3次元深度情報を統合し,各モードの相補的強度を活用する効果的な手法を提案する。 本実験は,検出の堅牢性向上とIAD全体の性能向上におけるこれらのモダリティの重要性を強調した。
  論文  参考訳（メタデータ） (2025-04-19T08:05:47Z)
• Hyperspectral Remote Sensing Images Salient Object Detection: The First Benchmark Dataset and Baseline [14.081609886645555]
  HRSI-SODデータセットはHRSSDと呼ばれ,704個のハイパースペクトル画像と5327個のピクセルレベルのアノテート・サリエント・オブジェクトを含む。 HRSSDデータセットは、大規模な変動、さまざまなフォアグラウンド・バックグラウンド・リレーション、マルチサリアント・オブジェクトのために、健全なオブジェクト検出アルゴリズムに重大な課題を提起する。 我々は、ディープ・スペクトル・サリエンシ・ネットワーク(DSSN)と呼ばれるHRSI-SODの革新的で効率的なベースラインモデルを提案する。
  論文  参考訳（メタデータ） (2025-04-03T09:12:42Z)
• OpenEarthSensing: Large-Scale Fine-Grained Benchmark for Open-World Remote Sensing [57.050679160659705]
  オープンワールドリモートセンシングのための大規模きめ細かいベンチマークである textbfOpenEarthSensing (OES) を紹介する。 OESには189のシーンとオブジェクトのカテゴリが含まれており、現実世界で起こりうる潜在的なセマンティックシフトの大部分をカバーしている。
  論文  参考訳（メタデータ） (2025-02-28T02:49:52Z)
• PGNeXt: High-Resolution Salient Object Detection via Pyramid Grafting Network [24.54269823691119]
  本稿では、データセットとネットワークフレームワークの両方の観点から、より難解な高分解能サルエントオブジェクト検出(HRSOD)について述べる。 HRSODデータセットの欠如を補うため、UHRSDと呼ばれる大規模高解像度の高分解能物体検出データセットを慎重に収集した。 すべての画像はピクセルレベルで微妙にアノテートされ、以前の低解像度のSODデータセットをはるかに上回っている。
  論文  参考訳（メタデータ） (2024-08-02T09:31:21Z)
• RS-DFM: A Remote Sensing Distributed Foundation Model for Diverse Downstream Tasks [11.681342476516267]
  汎用情報マッピングとインタラクションに基づく分散センシング基礎モデル(RS-DFM)を提案する。 このモデルは、複数のプラットフォームにわたるオンライン協調認識と、さまざまな下流タスクを実現することができる。 本稿では、高周波・低周波特徴情報を分離するデュアルブランチ情報圧縮モジュールを提案する。
  論文  参考訳（メタデータ） (2024-06-11T07:46:47Z)
• SARDet-100K: Towards Open-Source Benchmark and ToolKit for Large-Scale SAR Object Detection [79.23689506129733]
  我々は,大規模SARオブジェクト検出のための新しいベンチマークデータセットとオープンソース手法を構築した。 私たちのデータセットであるSARDet-100Kは、10の既存のSAR検出データセットの厳格な調査、収集、標準化の結果です。 私たちの知る限りでは、SARDet-100KはCOCOレベルの大規模マルチクラスSARオブジェクト検出データセットとしては初めてのものです。
  論文  参考訳（メタデータ） (2024-03-11T09:20:40Z)
• Pyramid Grafting Network for One-Stage High Resolution Saliency Detection [29.013012579688347]
  我々は、異なる解像度画像から特徴を独立して抽出する、Praamid Grafting Network (PGNet) と呼ばれるワンステージフレームワークを提案する。 CNNブランチが壊れた詳細情報をよりホモロジーに組み合わせられるように、アテンションベースのクロスモデルグラフティングモジュール (CMGM) が提案されている。 我々は,4K-8K解像度で5,920個の画像を含む超高分解能塩度検出データセットUHRSDを新たに提供した。
  論文  参考訳（メタデータ） (2022-04-11T12:22:21Z)
• Joint Learning of Salient Object Detection, Depth Estimation and Contour Extraction [91.43066633305662]
  RGB-D Salient Object Detection (SOD) のための新しいマルチタスク・マルチモーダルフィルタトランス (MMFT) ネットワークを提案する。 具体的には、深度推定、健全な物体検出、輪郭推定の3つの相補的なタスクを統合する。マルチタスク機構は、タスク認識の特徴を補助タスクから学習するためのモデルを促進する。 実験の結果、複数のデータセット上での深度に基づくRGB-D SOD法をはるかに上回るだけでなく、高品質の深度マップと塩分濃度を同時に正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2022-03-09T17:20:18Z)

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。