論文の概要: Multispectral Blind Image Super-Resolution for Standing Dead Tree Segmentation
- arxiv url: http://arxiv.org/abs/2605.02471v1
- Date: Mon, 04 May 2026 11:13:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-05 20:33:50.2588
- Title: Multispectral Blind Image Super-Resolution for Standing Dead Tree Segmentation
- Title（参考訳）: 立位木分割のための多スペクトルブラインド画像超解法
- Authors: Mete Ahishali, Anis Ur Rahman, Einari Heinaro, Aysen Degerli, Samuli Junttila,
- Abstract要約: 我々は低解像度から高解像度のマルチスペクトル画像領域へのマッピングを学習するための一般的なブラインド超解像フレームワークを提案する。
われわれのアプローチは、現実世界の状況を模倣して、未ペアのサンプルのみを運用する。
本研究は,立枯木区分の範囲内におけるマルチスペクトルデータに対して,実世界および汎用超解像を行う最初の研究である。
- 参考スコア（独自算出の注目度）: 3.164363223464948
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mapping standing dead trees is crucial for acquiring information on the effects of climate change on forests and forest biodiversity. However, leveraging high-quality aerial imagery for dead tree segmentation poses challenges due to limitations in sensor availability and the scarcity of annotated data. In this study, we propose a generic blind super-resolution framework that incorporates Attention-Guided Domain Adaptation Networks (ADA-Nets) to learn the mapping from low-resolution to high-resolution multispectral image domains. Our approach operates solely on unpaired samples, mimicking real-world conditions, i.e., low-resolution images are not synthetically obtained by downsampling the high-resolution images. Moreover, the proposed method serves as a general-purpose restorer addressing several image degradation types, including saturation, noise, and low contrast that typically occur in low-resolution images acquired by low-end sensors. To the best of our knowledge, this is the first study to perform real-world and generic super-resolution for multispectral data in the scope of standing dead tree segmentation. Experimental evaluations demonstrate segmentation performances of 54% and 64% in Dice scores. Notably, the first result is obtained without using any high-resolution annotations; the segmentation network is trained on super-resolved low-resolution images, while evaluation is performed on the high-resolution data. We publicly share the aerial multispectral dataset with manually annotated labels at https://www.kaggle.com/datasets/meteahishali/aerial-imagery-for-dead-tree-segmentation-poland.
- Abstract（参考訳）: 森林や森林の生物多様性に対する気候変動の影響に関する情報を得るためには, 枯死樹のマッピングが不可欠である。
しかし、高画質の空中画像を枯木分割に活用することは、センサの可用性の限界と注釈付きデータの不足により、課題となる。
本研究では、注意誘導ドメイン適応ネットワーク(ADA-Nets)を組み込んで、低解像度から高解像度のマルチスペクトル画像領域へのマッピングを学習する、汎用的なブラインド超解像フレームワークを提案する。
提案手法は,高解像度画像のダウンサンプリングによって,低解像度画像が合成的に得られない実世界の条件を模倣して,未ペア化サンプルのみに作用する。
さらに,低解像度センサで取得される低解像度画像に典型的に発生する飽和,雑音,低コントラストなど,複数の画像劣化タイプに対処する汎用復元器として機能する。
我々の知る限りでは、死木セグメンテーションの範囲内でマルチスペクトルデータに対して実世界および汎用超解像を行う最初の研究である。
実験により,Diceスコアのセグメンテーション性能は54%,64%であった。
特に、第1の結果は高分解能アノテーションを使わずに得られ、超解像の低分解能画像に対してセグメンテーションネットワークを訓練し、高分解能データに対して評価を行う。
我々は,空中マルチスペクトルデータセットをhttps://www.kaggle.com/datasets/meteahishali/aerial-imagery-for-dead-tree-segmentation-polandで手動でアノテートしたラベルで公開している。
関連論文リスト
- Data Augmentation and Resolution Enhancement using GANs and Diffusion Models for Tree Segmentation [49.13393683126712]
都市森林は、環境の質を高め、都市における生物多様性を支援する上で重要な役割を担っている。
複雑な地形と異なる衛星センサーやUAV飛行高度による画像解像度の変化により、正確に木を検知することは困難である。
低解像度空中画像の品質を高めるため,GANと拡散モデルとドメイン適応を統合した新しいパイプラインを提案する。
論文 参考訳（メタデータ） (2025-05-21T03:57:10Z) - Plant detection from ultra high resolution remote sensing images: A Semantic Segmentation approach based on fuzzy loss [2.6489824612123716]
超高解像度(UHR)リモートセンシング画像から植物種を識別する課題に取り組む。
我々のアプローチは、ミリレベルの空間分解能を特徴とするRGBリモートセンシングデータセットの導入である。
UHRデータセットと公開データセットの両方で得られた最初の実験結果が提示され、提案手法の妥当性が示された。
論文 参考訳（メタデータ） (2024-08-31T17:40:17Z) - High-Resolution Vision Transformers for Pixel-Level Identification of
Structural Components and Damage [1.8923948104852863]
視覚変換器とラプラシアピラミッドスケーリングネットワークに基づくセマンティックセグメンテーションネットワークを開発した。
提案手法は,橋梁検査報告画像のデータセットに関する総合的な実験を通じて評価されている。
論文 参考訳（メタデータ） (2023-08-06T03:34:25Z) - Progressive Domain Adaptation with Contrastive Learning for Object
Detection in the Satellite Imagery [0.0]
最先端のオブジェクト検出手法は、小さくて密度の高いオブジェクトを特定するのにほとんど失敗している。
本稿では,特徴抽出プロセスを改善する小型物体検出パイプラインを提案する。
未確認データセットにおけるオブジェクト識別の劣化を緩和できることを示す。
論文 参考訳（メタデータ） (2022-09-06T15:16:35Z) - Deep Semantic Statistics Matching (D2SM) Denoising Network [70.01091467628068]
本稿では,Deep Semantic Statistics Matching (D2SM) Denoising Networkを紹介する。
事前訓練された分類ネットワークの意味的特徴を利用して、意味的特徴空間における明瞭な画像の確率的分布と暗黙的に一致させる。
識別画像のセマンティックな分布を学習することで,ネットワークの認知能力を大幅に向上させることを実証的に見出した。
論文 参考訳（メタデータ） (2022-07-19T14:35:42Z) - Hierarchical Similarity Learning for Aliasing Suppression Image
Super-Resolution [64.15915577164894]
エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。
HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
論文 参考訳（メタデータ） (2022-06-07T14:55:32Z) - High Quality Segmentation for Ultra High-resolution Images [72.97958314291648]
超高分解能セグメンテーション精錬作業のための連続精細モデルを提案する。
提案手法は画像分割精細化において高速かつ効果的である。
論文 参考訳（メタデータ） (2021-11-29T11:53:06Z) - Instance segmentation of fallen trees in aerial color infrared imagery
using active multi-contour evolution with fully convolutional network-based
intensity priors [0.5276232626689566]
画像のセグメンテーションマップ上での複数のアクティブな輪郭進化により、共通オブジェクトクラスのインスタンスをセグメンテーションするフレームワークを導入する。
高分解能空中多スペクトル画像から個々の落下茎を分割する文脈で提案されたフレームワークをインスタンス化する。
論文 参考訳（メタデータ） (2021-05-05T11:54:05Z) - Gated Fusion Network for Degraded Image Super Resolution [78.67168802945069]
本稿では,基本特徴と回復特徴を別々に抽出する二分岐畳み込みニューラルネットワークを提案する。
特徴抽出ステップを2つのタスク非依存ストリームに分解することで、デュアルブランチモデルがトレーニングプロセスを容易にすることができる。
論文 参考訳（メタデータ） (2020-03-02T13:28:32Z) - Image Fine-grained Inpainting [89.17316318927621]
拡張畳み込みの密結合を利用してより大きく効果的な受容場を得る一段階モデルを提案する。
この効率的なジェネレータをよく訓練するために、頻繁に使用されるVGG特徴整合損失を除いて、新しい自己誘導回帰損失を設計する。
また、局所的・グローバルな分枝を持つ識別器を用いて、局所的・グローバルな内容の整合性を確保する。
論文 参考訳（メタデータ） (2020-02-07T03:45:25Z)
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。