論文の概要: VC-FeS: Viewpoint-Conditioned Feature Selection for Vehicle Re-identification in Thermal Vision
- arxiv url: http://arxiv.org/abs/2605.04750v1
- Date: Wed, 06 May 2026 10:57:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-07 18:41:07.781559
- Title: VC-FeS: Viewpoint-Conditioned Feature Selection for Vehicle Re-identification in Thermal Vision
- Title（参考訳）: VC-FeS: 熱視における車両再識別のための視点による特徴選択
- Abstract要約: サーマル画像のような単一チャネル画像を用いた低調波物体の同定は、監視などの多くの応用において重要である。
既存の手法では,色情報がない場合,同一カテゴリのオブジェクト間の類似度が高いため,性能が劣っている。
これらの問題に対して、視点条件付き特徴ベクトルと領域固有の特徴比較を別個の特徴空間で構成することで解決する。
以上の結果から得られたmAPスコアは,それぞれ19.7%,12.8%,最先端の手法を上回りました。
- 参考スコア（独自算出の注目度）: 0.6773121102591492
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Identification of less-articulated objects using single-channel images, such as thermal images, is important in many applications, such as surveillance. However, in this domain, existing methods show poor performance due to high similarity among objects of the same category in the absence of color information (overlooking shape information) and de-emphasized texture information. Furthermore, variability in viewpoint adds more complexity as the features vary from side to side. We address these issues by constructing viewpoint-conditioned feature vectors and area-specific feature comparisons in separate feature spaces. These interventions enable leveraging the advancements of existing RGB-pre-trained ViT feature extractors while effectively adapting them to address the challenges specific to the thermal domain. We test our system with RGBNT100 (IR) vehicle dataset and a thermal maritime dataset acquired by us. Our results surpass the state-of-the-art methods by 19.7% and 12.8% for the above datasets in mAP scores, respectively. We also plan to make our thermal dataset available, the first of its kind for maritime vessel identification.
- Abstract（参考訳）: サーマル画像のような単一チャネル画像を用いた低調波物体の同定は、監視などの多くの応用において重要である。
しかし、この領域では、色情報(形状情報を見渡す)と非強調のテクスチャ情報がない場合、同一カテゴリのオブジェクト間で高い類似性のため、既存の手法では性能が劣っている。
さらに、視点の多様性は、特徴が左右に異なるため、より複雑さを増します。
これらの課題に対して,視点条件付き特徴ベクトルと領域固有の特徴比較を別個の特徴空間で構成することで解決する。
これらの介入により、既存のRGB事前訓練されたViT特徴抽出器の進歩を活用でき、熱領域固有の課題に効果的に適用できる。
我々は、RGBNT100(IR)車両データセットと、私たちによって取得された熱海洋データセットを用いて、システムをテストする。
この結果,mAPスコアのデータセットでは,それぞれ19.7%,12.8%,最先端の手法を上回りました。
また、海洋船の識別のための最初の熱データセットを利用可能にすることを計画しています。
関連論文リスト
- FEMOT: Multi-Object Tracking using Frame and Event Cameras [57.75021868843091]
バイオインスパイアされたイベントカメラは、高時間分解能と高ダイナミックレンジを提供し、極端なシナリオ下で補完的な手がかりを提供する。
FEMOTは、さまざまな現実シナリオと14の課題属性をカバーした、大規模でRGBのマルチオブジェクト追跡データセットである。
FEMOTRは、RGBとイベント機能を分離し、周波数領域でそれらを融合するマルチモーダルトラッキングフレームワークである。
論文 参考訳（メタデータ） (2026-06-12T04:17:41Z) - AnyThermal: Towards Learning Universal Representations for Thermal Perception [12.226040201382231]
さまざまなタスクに適した堅牢なタスク非依存の熱的特徴をキャプチャする熱バックボーンであるAnyThermalを提案する。
我々の重要な洞察は、複数の環境の熱データを用いて、視覚基盤モデルから熱エンコーダに特徴表現を抽出することである。
我々はAnyThermalとTartanRGBTの有効性を実証し、様々な環境において最大36%の改善を実現した。
論文 参考訳（メタデータ） (2026-02-05T21:27:26Z) - Cross-Spectral Body Recognition with Side Information Embedding: Benchmarks on LLCM and Analyzing Range-Induced Occlusions on IJB-MDF [51.36007967653781]
ViT(Vision Transformers)は、顔や身体の認識を含む幅広い生体計測タスクにおいて、印象的なパフォーマンスを誇示している。
本研究では、視認性(VIS)画像に事前訓練されたVTモデルを、クロススペクトル体認識の難しい問題に適用する。
このアイデアに基づいて、我々はSide Information Embedding (SIE)を統合し、ドメインとカメラ情報のエンコーディングの影響を調べ、スペクトル間マッチングを強化する。
驚くべきことに、我々の結果は、ドメイン情報を明示的に組み込むことなく、カメラ情報のみを符号化することで、LLCMデータセット上で最先端のパフォーマンスが得られることを示している。
論文 参考訳（メタデータ） (2025-06-10T16:20:52Z) - Spectral-Aware Global Fusion for RGB-Thermal Semantic Segmentation [10.761216101789774]
マルチモーダル機能の強化と融合を図るため,SGFNet(Spectral-aware Global Fusion Network)を提案する。
SGFNetは、MFNetとPST900データセットの最先端メソッドよりも優れている。
論文 参考訳（メタデータ） (2025-05-21T13:17:57Z) - SAGA: Semantic-Aware Gray color Augmentation for Visible-to-Thermal Domain Adaptation across Multi-View Drone and Ground-Based Vision Systems [1.891522135443594]
ドメイン適応型熱オブジェクト検出は、可視(RGB)から熱(IR)への適応を促進する上で重要な役割を果たす。
色やテクスチャの手がかりの欠如など、赤外線画像の固有の制限は、RGB訓練されたモデルに課題をもたらす。
本稿では,カラーバイアスを緩和し,領域ギャップを埋めるための新しい戦略であるセマンティック・アウェア・グレイカラー拡張(SAGA)を提案する。
論文 参考訳（メタデータ） (2025-04-22T09:22:11Z) - Multi-Domain Biometric Recognition using Body Embeddings [51.36007967653781]
身体埋め込みは中波長赤外線(MWIR)領域と長波長赤外線(LWIR)領域の顔埋め込みよりも優れていた。
我々は、IJB-MDFデータセット上でのベンチマーク結果を確立するために、ビジョントランスフォーマーアーキテクチャを活用している。
また, クロスエントロピーとトリプルト損失の単純な組み合わせで, VISデータにのみ事前訓練された体モデルを微調整することで, 最先端のmAPスコアが得られることを示す。
論文 参考訳（メタデータ） (2025-03-13T22:38:18Z) - T-FAKE: Synthesizing Thermal Images for Facial Landmarking [8.20594611891252]
疎密で密集したランドマークを持つ大規模合成熱データセットであるT-FAKEデータセットを紹介した。
本稿では,RGB面を熱的スタイルにドメイン適応的に移動可能な新しいRGB2熱損失関数を提案する。
我々のモデルは、スパース70点のランドマークと密度478点のランドマークアノテーションの両方で優れた性能を示している。
論文 参考訳（メタデータ） (2024-08-27T15:07:58Z) - Object-centric Cross-modal Feature Distillation for Event-based Object
Detection [87.50272918262361]
RGB検出器は、イベントデータのばらつきと視覚的詳細の欠如により、イベントベースの検出器よりも優れている。
これら2つのモード間の性能ギャップを縮めるための新しい知識蒸留手法を開発した。
対象中心蒸留により,イベントベースの学生物体検出装置の性能が大幅に向上することを示す。
論文 参考訳（メタデータ） (2023-11-09T16:33:08Z) - EANet: Enhanced Attribute-based RGBT Tracker Network [0.0]
RGBと熱画像(RGBT)を融合した深層学習に基づく画像追跡手法を提案する。
提案モデルは,特徴抽出器とトラッカーの2つの主成分から構成される。
提案手法はRGBT234 citeLiCLiang 2018とLasHeR citeLiLasher 2021データセットで評価される。
論文 参考訳（メタデータ） (2023-07-04T19:34:53Z) - Visible-Thermal UAV Tracking: A Large-Scale Benchmark and New Baseline [80.13652104204691]
本稿では,可視熱UAV追跡(VTUAV)のための高多様性の大規模ベンチマークを構築する。
本稿では, フレームレベルの属性を, チャレンジ固有のトラッカーの可能性を利用するための粗粒度属性アノテーションを提案する。
さらに,様々なレベルでRGB-Tデータを融合するHMFT(Hierarchical Multi-modal Fusion Tracker)という新しいRGB-Tベースラインを設計する。
論文 参考訳（メタデータ） (2022-04-08T15:22:33Z) - EPMF: Efficient Perception-aware Multi-sensor Fusion for 3D Semantic Segmentation [62.210091681352914]
自律運転やロボティクスなど,多くのアプリケーションを対象とした3次元セマンティックセマンティックセグメンテーションのためのマルチセンサフュージョンについて検討する。
本研究では,知覚認識型マルチセンサフュージョン(PMF)と呼ばれる協調融合方式について検討する。
本稿では,2つのモードから特徴を分離して抽出する2ストリームネットワークを提案する。
論文 参考訳（メタデータ） (2021-06-21T10:47:26Z) - Exploring Thermal Images for Object Detection in Underexposure Regions
for Autonomous Driving [67.69430435482127]
アンダーエクスポージャー地域は、安全な自動運転のための周囲の完全な認識を構築するのに不可欠である。
サーマルカメラが利用可能になったことで、他の光学センサーが解釈可能な信号を捉えていない地域を探索するための重要な代替手段となった。
本研究は,可視光画像から熱画像へ学習を伝達するためのスタイル伝達手法を用いたドメイン適応フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-01T09:59:09Z)
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。