Fugu-MT 論文翻訳(概要): Physics-informed simulation framework for realistic sonar image generation and statistical validation

論文の概要: Physics-informed simulation framework for realistic sonar image generation and statistical validation

arxiv url: http://arxiv.org/abs/2605.19712v1
Date: Tue, 19 May 2026 11:49:11 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-20 15:03:09.305216
Title: Physics-informed simulation framework for realistic sonar image generation and statistical validation
Title（参考訳）: 現実的なソナー画像生成と統計的検証のための物理インフォームド・シミュレーション・フレームワーク
Authors: Kamal Basha S, Athira Nambiar,
Abstract要約: ACOUSIMは合成ソナー画像と実ソナー画像の統計的アライメントを評価するフレームワークである。ガゼボをベースとした環境は、海底テクスチャ、照明駆動影、プラットフォーム高度、騒音を明示的に制御することでソナーのような画像を生成する。
参考スコア（独自算出の注目度）: 1.4610038284393168
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Synthetic sonar datasets offer a scalable alternative to costly real-world acquisition, yet their utility remains limited by the absence of rigorous quantitative validation. We present ACOUSIM (ACOustic SIMulation and Validation Platform), a physics-informed framework that evaluates the statistical alignment between synthetic and real sonar imagery without relying on generative models. A Gazebo-based environment generates sonar-like images by explicitly controlling seabed texture, illumination-driven shadowing, platform altitude, and noise. Realism is quantified against two public sonar datasets, SeabedObjects-KLSG-II and Sonar Common Target Detection (SCTD), using global intensity and local texture (LBP) distributions assessed via Kullback-Leibler divergence, Jensen-Shannon divergence, and Earth Mover's Distance. Results show strong texture alignment (KL < 0.07) across all classes, with plane-class intensity alignment outperforming ship-class due to shadow geometry complexity. ACOUSIM establishes a reproducible, distribution-level baseline for sim-to-real sonar evaluation and directly supports reliable dataset validation for underwater image analysis.
Abstract（参考訳）: 合成ソナーデータセットは、コストのかかる現実世界の買収に代わるスケーラブルな代替手段を提供するが、厳密な定量的検証がないため、その実用性は制限されている。本稿では,合成音像と実音像の統計的アライメントを評価する物理インフォームドフレームワークACOUSIM(Acoustic SIMulation and Validation Platform)を提案する。ガゼボをベースとした環境は、海底テクスチャ、照明駆動影、プラットフォーム高度、騒音を明示的に制御することでソナーのような画像を生成する。現実性は2つの公共ソナーデータセット、SeabedObjects-KLSG-IIとSonar Common Target Detection (SCTD)に対して定量化され、Kulback-Leiblerの発散、Jensen-Shannonの発散、Earth Mover's Distanceを通じて評価された大域的な強度と局所テクスチャ(LBP)分布を用いる。その結果、すべてのクラスで強いテクスチャアライメントアライメント(KL < 0.07)が示され、影の幾何学的複雑さにより、航空機級のインテンシティアライメントアライメントは船級よりも優れていた。 ACOUSIMは、実音節評価のための再現可能な分布レベルのベースラインを確立し、水中画像解析のための信頼性の高いデータセット検証を直接サポートする。

関連論文リスト

HIR-ALIGN: Enhancing Hyperspectral Image Restoration via Diffusion-Based Data Generation [50.46910397782266]
ハイパスペクトル画像(HSI)の復元は、ノイズ、ぼかし、分解能損失などの劣化に悩まされるため、信頼性の高い解析に不可欠である。本稿では,HIR-ALIGNを提案する。HIR-ALIGNは,限られたトレーニング画像と,ターゲット分布と密に一致した合成データとを付加して,ハイパースペクトル画像の復元を促進するための,プラグアンドプレイのターゲット適応型拡張フレームワークである。
論文参考訳（メタデータ） (2026-05-13T14:14:13Z)
Physically-Induced Atmospheric Adversarial Perturbations: Enhancing Transferability and Robustness in Remote Sensing Image Classification [54.952203312050564]
敵対的攻撃は、リモートセンシング(RS)画像分類におけるディープラーニングモデルの信頼性に深刻な脅威をもたらす。本稿ではフォグフール(FogFool)を提案する。 2つのベンチマークRSデータセットの実験は、FogFoolが優れたパフォーマンスを達成することを示す。
論文参考訳（メタデータ） (2026-04-16T05:47:57Z)
Simulating Realistic LiDAR Data Under Adverse Weather for Autonomous Vehicles: A Physics-Informed Learning Approach [7.735941375698213]
既存の方法は、LiDAR信号と大気現象の間の複雑な相互作用を捉えるのに苦労し、非現実的な表現をもたらす。本稿では,悪天候下での現実的なLiDARデータ生成のための物理インフォームド学習フレームワークを提案する。
論文参考訳（メタデータ） (2026-04-01T06:36:59Z)
Mirage2Matter: A Physically Grounded Gaussian World Model from Video [87.9732484393686]
我々は、グラフィック駆動の世界モデリングおよびシミュレーションフレームワークであるSimulate Anythingを紹介する。実世界の環境を3次元ガウススプレイティング(3DGS)による写実的シーン表現に再構築する。次に、生成モデルを利用して、物理的に現実的な表現を復元し、精度校正ターゲットを介してシミュレーション環境に統合する。
論文参考訳（メタデータ） (2026-01-24T07:43:57Z)
Scaling Up Occupancy-centric Driving Scene Generation: Dataset and Method [54.461213497603154]
作業中心の手法は、最近、フレームとモダリティをまたいだ一貫した条件付けを提供することで、最先端の結果を得た。 Nuplan-Occは、広く使われているNuplanベンチマークから構築された、これまでで最大の占有率データセットである。高品質な占有、多視点ビデオ、LiDAR点雲を共同で合成する統合フレームワークを開発した。
論文参考訳（メタデータ） (2025-10-27T03:52:45Z)
Deep Diffusion Models and Unsupervised Hyperspectral Unmixing for Realistic Abundance Map Synthesis [0.2812395851874055]
我々のフレームワークは、ブラインド線形ハイパースペクトルアンミックスと最先端拡散モデルを統合し、合成アブリダンスマップの現実性と多様性を高める。我々は、地球観測のためのPRISMA宇宙ミッションの実際のハイパースペクトル画像を用いて、我々のアプローチを検証する。
論文参考訳（メタデータ） (2025-06-16T13:42:51Z)
LROC-PANGU-GAN: Closing the Simulation Gap in Learning Crater Segmentation with Planetary Simulators [5.667566032625522]
外国の惑星体への探査機の着陸は、危険を確実に識別し、避けることが重要である。この問題に対するディープラーニングの最近の応用は有望な結果を示している。しかしながら、これらのモデルは、注釈付きデータセットに対する明確な監督によってしばしば学習される。本稿では,ラベルの忠実さを維持しつつ,この「現実主義」のギャップを埋めるシステムを提案する。
論文参考訳（メタデータ） (2023-10-04T12:52:38Z)
Learning to Simulate Realistic LiDARs [66.7519667383175]
リアルLiDARセンサのデータ駆動シミュレーションのためのパイプラインを提案する。本モデルでは, 透明表面上の落下点などの現実的な効果を符号化できることが示される。我々は2つの異なるLiDARセンサのモデルを学習し、それに従ってシミュレーションされたLiDARデータを改善する。
論文参考訳（メタデータ） (2022-09-22T13:12:54Z)
Quasi-Balanced Self-Training on Noise-Aware Synthesis of Object Point Clouds for Closing Domain Gap [34.590531549797355]
本稿では,CADモデルへのスペックルパターンの投影によるステレオ画像のレンダリングにより,オブジェクト・ポイント・クラウドを物理的にリアルに合成する統合スキームを提案する。実験により,本手法の有効性,および各モジュールが点クラウド分類における教師なし領域適応に有効であることを検証できる。
論文参考訳（メタデータ） (2022-03-08T03:44:49Z)
CAFE: Learning to Condense Dataset by Aligning Features [72.99394941348757]
本稿ではCAFE(Aligning features)によるCondenseデータセットの新しいスキームを提案する。このアプローチの核心は、さまざまなスケールにわたる実データと合成データから機能を整合させる効果的な戦略です。提案したCAFEを様々なデータセットで検証し,概ね最先端技術であることを示す。
論文参考訳（メタデータ） (2022-03-03T05:58:49Z)
Image-to-Height Domain Translation for Synthetic Aperture Sonar [3.2662392450935416]
本研究では,等方的および異方的テクスチャに関する集合幾何学に焦点をあてる。集合幾何学の低放牧角度は、異方性テクスチャに対するソナーパスの配向と相まって、画像アライメントや他の多視点シーン理解フレームワークにとって重要な課題である。
論文参考訳（メタデータ） (2021-12-12T19:53:14Z)

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。