論文の概要: Why Domain Matters: A Preliminary Study of Domain Effects in Underwater Object Detection

• arxiv url: http://arxiv.org/abs/2604.26174v1
• Date: Tue, 28 Apr 2026 23:28:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-30 15:59:36.198212
• Title: Why Domain Matters: A Preliminary Study of Domain Effects in Underwater Object Detection
• Title（参考訳）: ドメインが重要な理由:水中物体検出におけるドメイン効果の予備的研究
• Authors: Melanie Wille, Dimity Miller, Tobias Fischer, Scarlett Raine,
• Abstract要約: 本研究では,計測可能な画像,シーン,取得特性を用いて水中ドメインを定義するラベリングフレームワークを提案する。 以前のベンチマークとは異なり、物理的に意味のある要素をキャプチャし、セマンティックに一貫性のある画像グループ化を可能にし、障害解析を含むドメイン固有の検出性能の評価をサポートする。
• 参考スコア（独自算出の注目度）: 9.468095570700642
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Domain shift, where deviations between training and deployment data distributions degrade model performance, is a key challenge in underwater environments. Existing benchmarks testing performance for underwater domain shift simulate variability through synthetic style transfer. This fails to capture intrinsic scene factors such as visibility, illumination, scene composition, or acquisition factors, limiting analysis of real-world effects. We propose a labeling framework that defines underwater domains using measurable image, scene, and acquisition characteristics. Unlike prior benchmarks, it captures physically meaningful factors, enabling semantically consistent image grouping and supporting domain-specific evaluation of detection performance including failure analysis. We validate this on public datasets, showing systematic variations across domain factors and revealing hidden failure modes.
• Abstract（参考訳）: トレーニングとデプロイメントデータの分散の偏りがモデルパフォーマンスを低下させるドメインシフトは、水中環境において重要な課題である。 既存のベンチマークによる水中ドメインシフト試験は, 合成スタイル転送による変動をシミュレートする。 これは、可視性、照明性、シーン構成、取得要因などの固有のシーン要素を捉えることができず、実世界の効果の分析を制限している。 本研究では,計測可能な画像,シーン,取得特性を用いて水中ドメインを定義するラベリングフレームワークを提案する。 以前のベンチマークとは異なり、物理的に意味のある要素をキャプチャし、セマンティックに一貫性のある画像グループ化を可能にし、障害解析を含むドメイン固有の検出性能の評価をサポートする。 パブリックデータセットでこれを検証し、ドメイン要因の体系的なバリエーションを示し、隠れた障害モードを明らかにします。

関連論文リスト

• Exploring Robust Intrusion Detection: A Benchmark Study of Feature Transferability in IoT Botnet Attack Detection [46.724153214302184]
  クロスドメイン侵入検出は、ネットワークのトラフィック特性と環境間の特徴分布に大きなばらつきがあるため、依然として重要な課題である。 本研究では、異種IoTおよび産業用IoTネットワーク条件を表す4つの広く使用されているデータセット間で、広く使用されている3つのフローベースの特徴セット(Argus、Zeek、CICFlowMeter)の転送可能性を評価する。
  論文  参考訳（メタデータ） (2026-02-27T10:16:28Z)
• Harmonizing the Deep: A Unified Information Pipeline for Robust Marine Biodiversity Assessment Across Heterogeneous Domains [0.769971486557519]
  この研究は、北極と大西洋の海洋生態系を対象とする多年にわたる侵略的な種モニタリングイニシアチブの基礎的な検出層を確立する。 異種データセットを同等の情報フローに標準化する統一情報パイプラインを開発した。 シーン構成やオブジェクト密度,コンテキスト冗長性などの構造的要因から,ドメイン間の性能損失が説明できる。
  論文  参考訳（メタデータ） (2026-01-20T13:51:55Z)
• Exploiting Aggregation and Segregation of Representations for Domain Adaptive Human Pose Estimation [50.31351006532924]
  人間のポーズ推定(HPE)は最近、モーション分析、バーチャルリアリティー、ヘルスケア等に広く応用されているため、注目を集めている。 時間と労働集約的なアノテーションのために、ラベル付き現実世界のデータセットが不足している。 本稿では,ドメイン適応型人間のポーズ推定のための表現集約と分離を両立させる新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-29T17:59:45Z)
• Feature Based Methods in Domain Adaptation for Object Detection: A Review Paper [0.6437284704257459]
  ドメイン適応は、異なるデータ分布を持つターゲットドメインにデプロイされた場合、機械学習モデルの性能を向上させることを目的としている。 本総説では, 対人学習, 相違に基づく多分野, 教師学生, アンサンブル, ビジョン言語モデルなど, ドメイン適応のための高度な方法論を考察する。 特に合成ドメインシフトを含むシナリオにおいて、ラベル付きデータへの依存を最小限に抑える戦略に特に注意が払われる。
  論文  参考訳（メタデータ） (2024-12-23T06:34:23Z)
• PIGUIQA: A Physical Imaging Guided Perceptual Framework for Underwater Image Quality Assessment [59.9103803198087]
  水中画像品質評価(UIQA)のための物理画像ガイド型知覚フレームワークを提案する。 水中放射移動理論を応用して、物理に基づく画像推定を統合して、これらの歪みの定量的な測定値を確立する。 提案モデルは,画像品質のスコアを正確に予測し,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-12-20T03:31:45Z)
• FAFA: Frequency-Aware Flow-Aided Self-Supervision for Underwater Object Pose Estimation [65.01601309903971]
  無人水中車両(UUV)の6次元ポーズ推定のための周波数認識フロー支援フレームワークであるFAFAを紹介する。 我々のフレームワークは、3DモデルとRGB画像のみに依存しており、実際のポーズアノテーションや奥行きのような非モダリティデータの必要性を軽減しています。 本研究では,一般的な水中オブジェクトポーズベンチマークにおけるFAFAの有効性を評価し,最先端手法と比較して顕著な性能向上を示した。
  論文  参考訳（メタデータ） (2024-09-25T03:54:01Z)
• Domain Similarity-Perceived Label Assignment for Domain Generalized Underwater Object Detection [18.39732229138302]
  本稿ではドメイン類似性-知覚ラベル割り当て(DSP)の概念を紹介する。 ドメイン固有のデータ拡張技術により、水中クロスドメインオブジェクト検出ベンチマークS-UODAC 2020で最先端の結果を得た。
  論文  参考訳（メタデータ） (2023-12-20T05:45:56Z)
• ADOD: Adaptive Domain-Aware Object Detection with Residual Attention for Underwater Environments [1.2624532490634643]
  本研究では,水中物体検出における領域一般化のための新しいアプローチであるADODを提案する。 本手法は, 様々な水中環境下での堅牢性を確保するため, 多様な領域にまたがってモデルを一般化する能力を高める。
  論文  参考訳（メタデータ） (2023-12-11T19:20:56Z)
• Domain Adaptation for Underwater Image Enhancement [51.71570701102219]
  本稿では,ドメイン間およびドメイン内ギャップを最小限に抑えるために,新しい2相水中ドメイン適応ネットワーク(TUDA)を提案する。 第1段階では、入力画像のリアリズムを強化する翻訳部と、拡張部とを含む新しい二重配向ネットワークを設計する。 第2フェーズでは、ランクベースの水中品質評価手法が組み込まれている強化画像の評価品質に応じて、実データを簡単に分類する。
  論文  参考訳（メタデータ） (2021-08-22T06:38:19Z)
• Phase Consistent Ecological Domain Adaptation [76.75730500201536]
  意味的セグメンテーション(意味的セグメンテーション)の課題に焦点をあてる。そこでは、注釈付き合成データが多用されるが、実際のデータへのアノテートは困難である。 視覚心理学に触発された最初の基準は、2つの画像領域間の地図が位相保存であることである。 第2の基準は、照明剤や撮像センサーの特性に関わらず、その画像に現れる環境統計、またはシーン内の規則を活用することを目的としている。
  論文  参考訳（メタデータ） (2020-04-10T06:58:03Z)

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。