論文の概要: ICPR 2026 Competition on Low-Resolution License Plate Recognition

• arxiv url: http://arxiv.org/abs/2604.22506v1
• Date: Fri, 24 Apr 2026 12:36:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-27 15:36:26.456831
• Title: ICPR 2026 Competition on Low-Resolution License Plate Recognition
• Title（参考訳）: ICPR 2026 低解像度プレート認識コンペティション
• Authors: Rayson Laroca, Valfride Nascimento, Donggun Kim, Sanghyeok Chung, Subin Bae, Uihwan Seo, Seungsang Oh, Chi M. Phung, Minh G. Vo, Xingsong Ye, Yongkun Du, Yuchen Su, Zhineng Chen, Sunhee Heo, Hyangwoo Lee, Kihyun Na, Khanh V. Vu Nguyen, Sang T. Pham, Duc N. N. Phung, Trong P. Le, Vy N. Vo Tran, David Menotti,
• Abstract要約: 本稿では,ICPR 2026の低分解能プレート認識コンペティションについて述べる。 このコンペティションはLRLPR-26データセットに基づいており、2万のトレーニングトラックと3,000のテストトラックで構成されている。 41カ国から合計269チームが参加し、99チームがブラインドテストフェーズに応募した。 優勝チームは82.13%を獲得し、4チームが80%を突破した。
• 参考スコア（独自算出の注目度）: 15.454706330548914
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Low-Resolution License Plate Recognition (LRLPR) remains a challenging problem in real-world surveillance scenarios, where long capture distances, compression artifacts, and adverse imaging conditions can severely degrade license plate legibility. To promote progress in this area, we organized the ICPR 2026 Competition on Low-Resolution License Plate Recognition, the first competition specifically dedicated to LRLPR using real low-quality data collected under operationally relevant conditions. The competition was based on the LRLPR-26 dataset, which comprises 20,000 training tracks and 3,000 test tracks; each training track contains five low-resolution and five high-resolution images of the same license plate. Notably, a total of 269 teams from 41 countries registered for the competition, and 99 teams submitted valid entries in the Blind Test Phase. The winning team achieved a Recognition Rate of 82.13%, and four teams surpassed the 80% mark, highlighting both the high level of competition at the top of the leaderboard and the continued difficulty of the task. In addition to presenting the competition design, evaluation protocol, and main results, this paper summarizes the methods adopted by the top-5 teams and discusses current trends and promising directions for future research on LRLPR. The competition webpage is available at https://icpr26lrlpr.github.io/
• Abstract（参考訳）: 低分解能プレート認識(LRLPR)は、長い捕獲距離、圧縮アーティファクト、悪い撮像条件がライセンスプレートの正当性を著しく低下させる現実世界の監視シナリオにおいて、依然として困難な問題である。 この領域の進展を促進するため、我々は、運用上の条件下で収集された実際の低品質データを用いてLRLPRに特化した最初のコンペであるICPR 2026コンペティション・オン・ロー・リゾリューション・プレート認識(ICPR 2026コンペティション)を組織した。 LRLPR-26データセットは2万のトレーニングトラックと3000のテストトラックで構成されており、各トレーニングトラックには5つの低解像度と5つの高解像度の画像が含まれている。 特に41カ国から合計269チームが参加し、99チームがブラインドテストフェーズに応募した。 優勝チームは82.13%を獲得し、4チームが80%を超えた。 本稿では, 競争設計, 評価プロトコル, 主な成果に加えて, トップ5チームが採用する手法をまとめた上で, LRLPRの今後の研究動向と今後の方向性について論じる。 コンペのWebページはhttps://icpr26lrlpr.github.io/で公開されている。

関連論文リスト

• The First Challenge on Mobile Real-World Image Super-Resolution at NTIRE 2026: Benchmark Results and Method Overview [196.33538296698563]
  本稿は,NTIRE 2026によるモバイル現実画像の超高解像度化の課題について概説する。 この課題は、x4スケーリング係数で未知の劣化によって生成された低解像度(LR)画像から高解像度(HR)画像を復元することである。 課題の軌跡は、画像品質評価(IQA)スコアとスピードアップ比の重み付けによる性能評価である。
  論文  参考訳（メタデータ） (2026-04-19T07:48:17Z)
• The Fourth Challenge on Image Super-Resolution ($\times$4) at NTIRE 2026: Benchmark Results and Method Overview [202.40386112006652]
  NTIRE 2026イメージ超解像(4ドル)チャレンジは、CVPR 2026のNTIRE 2026ワークショップのコンペティションのひとつ。 この課題は、低分解能(LR)入力から高分解能(HR)イメージを2倍のダウンサンプリングで$times$4スケールファクタで再構築することを目的としている。 本報告では、参加チームの課題設計、データセット、評価プロトコル、主な成果、方法について要約する。
  論文  参考訳（メタデータ） (2026-04-16T02:41:53Z)
• NTIRE 2025 Challenge on Image Super-Resolution ($\times$4): Methods and Results [159.15538432295656]
  NTIRE 2025イメージ超解像(4ドル)チャレンジは、CVPR 2025の第10回NETREワークショップのコンペティションのひとつ。 この課題は、低分解能(LR)画像から高分解能(HR)画像を復元することを目的としている。 286人の参加者が参加し、25チームが有効なエントリーを提出した。
  論文  参考訳（メタデータ） (2025-04-20T12:08:22Z)
• OCFR 2022: Competition on Occluded Face Recognition From Synthetically Generated Structure-Aware Occlusions [11.360543538677916]
  IJCB-OCFR-2022(IJCB-OCFR-2022)は、生体認証に関する国際合同会議(IJCB 2022)によって採択された。 このコンペティションは、厳しい顔のオクルージョンの存在下での顔認識の課題に対処するために開催された。 この競合の主な成果は、明確に定義された評価プロトコルを備えた、挑戦的で、現実的で、多様で、公開されていない顔認識ベンチマークである。
  論文  参考訳（メタデータ） (2022-08-04T16:39:08Z)
• NTIRE 2022 Challenge on Stereo Image Super-Resolution: Methods and Results [116.8625268729599]
  NTIREの課題は、標準的なバイコビック劣化下でのステレオ画像超解像問題を目的とした1トラックである。 合計238人の参加者が登録され、21チームが最終テストフェーズに出場した。 この課題はステレオ画像SRの新しいベンチマークを確立する。
  論文  参考訳（メタデータ） (2022-04-20T02:55:37Z)
• NTIRE 2021 Challenge on Video Super-Resolution [103.59395980541574]
  Super-Resolution (SR) はコンピュータビジョンタスクであり、与えられた低解像度の画像から高解像度のクリーンイメージを得る。 本稿では,NTIRE Challenge on Video Super-Resolutionをレビューする。
  論文  参考訳（メタデータ） (2021-04-30T09:12:19Z)

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。