論文の概要: Making the Discrete Continuous: Synthetic RAW Augmentations for Fine-Grained Evaluation of Person Detection Performance in Low Light

• arxiv url: http://arxiv.org/abs/2605.22455v1
• Date: Thu, 21 May 2026 13:20:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-22 16:35:42.269018
• Title: Making the Discrete Continuous: Synthetic RAW Augmentations for Fine-Grained Evaluation of Person Detection Performance in Low Light
• Title（参考訳）: 離散連続化:低光下での人物検出性能の微粒化評価のための合成RAW拡張
• Authors: Valeria Pais, Malena Mendilaharzu, Daniele Faccio, Luis Oala, Christoph Clausen, Bruno Sanguinetti,
• Abstract要約: 本研究では, 最先端物体検出モデルの性能向上のために, 合成低照度試料をいかに利用できるかを示す。 我々は、カメラセンサのノイズモデルにマッチする低照度サンプルを生成するために、合成RAW画像拡張技術を用いている。 実データと合成低照度データのパフォーマンス指標は類似しており、AIモデルはそれらの区別が難しいことを示唆している。
• 参考スコア（独自算出の注目度）: 2.0651472773361976
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Real-world deployment of AI vision models is both fueled and limited by the data available for training and testing. Real datasets are sparse and uneven: long-tailed or unbalanced distributions hinder generalization, and the low number of samples in low density regions makes it hard to run evaluations. Synthetic data can fill these gaps, providing us with a way to sample the input space more continuously and improve data coverage for benchmarks. Focusing on the autonomous driving safety-critical case of pedestrian detection in the dark, we show how synthetic low-light samples can be used to better characterize the performance of a state-of-the-art object detection model as a function of the scene illumination. We use a synthetic RAW image augmentation technique to generate low-light samples that match the noise model of the camera sensor. Performance metrics on real and synthetic low-light data are similar, indicating that the AI model finds it hard to distinguish between them.
• Abstract（参考訳）: AIビジョンモデルの現実的な展開は、トレーニングとテストに利用可能なデータによって燃料と制限の両方がある。 長い尾の分布やバランスの取れていない分布は一般化を妨げるため、低密度領域のサンプルの数が低いため、評価の実行は困難である。 合成データはこれらのギャップを埋めることができ、入力空間をより継続的にサンプリングし、ベンチマークのデータカバレッジを改善する方法を提供する。 暗黒空間における歩行者検出の自律運転安全クリティカルケースに着目し,シーン照明機能としての最先端物体検出モデルの性能評価に,合成低照度試料がいかに有効かを示す。 我々は、カメラセンサのノイズモデルにマッチする低照度サンプルを生成するために、合成RAW画像拡張技術を用いている。 実データと合成低照度データのパフォーマンス指標は類似しており、AIモデルはそれらの区別が難しいことを示唆している。

関連論文リスト

• Explaining raw data complexity to improve satellite onboard processing [0.815557531820863]
  本研究では,物体検出および分類タスクの深層学習モデルに対する生データの利用効果について検討した。 2つのオブジェクト検出モデル(YOLOv11nとYOLOX-S)は、生データとL1データセットの両方でトレーニングされる。 その結果,両モデルが低信頼度,中信頼度でも同様に機能する一方で,生データに基づいてトレーニングしたモデルでは,高い信頼度でオブジェクト境界の識別に苦慮していることがわかった。
  論文  参考訳（メタデータ） (2025-10-08T10:26:02Z)
• LuxDiT: Lighting Estimation with Video Diffusion Transformer [66.60450792095901]
  単一の画像やビデオからシーンライティングを推定することは、コンピュータビジョンとグラフィックスにおいて長年の課題である。 本稿では,映像拡散変換器を微調整し,視覚入力を前提としたHDR環境マップを生成するLuxDiTを提案する。
  論文  参考訳（メタデータ） (2025-09-03T19:59:20Z)
• BVI-RLV: A Fully Registered Dataset and Benchmarks for Low-Light Video Enhancement [56.97766265018334]
  本稿では,2つの異なる低照度条件下での様々な動きシナリオを持つ40のシーンからなる低照度映像データセットを提案する。 我々は、プログラム可能なモータードリーを用いて、通常の光で捉えた完全に登録された地上真実データを提供し、異なる光レベルにわたるピクセルワイドフレームアライメントのための画像ベースアプローチによりそれを洗練する。 実験の結果,Low-light Video enhancement (LLVE) における完全登録ビデオペアの重要性が示された。
  論文  参考訳（メタデータ） (2024-07-03T22:41:49Z)
• SIRST-5K: Exploring Massive Negatives Synthesis with Self-supervised Learning for Robust Infrared Small Target Detection [53.19618419772467]
  単一フレーム赤外線小ターゲット検出(SIRST)は、乱雑な背景から小さなターゲットを認識することを目的としている。 Transformerの開発に伴い、SIRSTモデルのスケールは常に増大している。 赤外線小ターゲットデータの多彩な多様性により,本アルゴリズムはモデル性能と収束速度を大幅に改善する。
  論文  参考訳（メタデータ） (2024-03-08T16:14:54Z)
• Instance Segmentation in the Dark [43.85818645776587]
  暗黒領域のインスタンスセグメンテーションを深く見て、低照度推論精度を大幅に向上させるテクニックをいくつか導入する。 本稿では,適応重み付きダウンサンプリング層,スムーズな指向性畳み込みブロック,外乱抑制学習に依存する新しい学習手法を提案する。 実世界の低照度インスタンスセグメンテーションデータセットを,2万組以上の低照度/通常照度画像と,インスタンスレベルのピクセル単位のアノテーションでキャプチャする。
  論文  参考訳（メタデータ） (2023-04-27T16:02:29Z)
• NeRF in detail: Learning to sample for view synthesis [104.75126790300735]
  ニューラルレイディアンス場(NeRF)法は目覚ましい新しいビュー合成を実証している。 この作業では、バニラ粗大なアプローチの明確な制限に対処します -- パフォーマンスに基づいており、手元にあるタスクのエンドツーエンドをトレーニングしていません。 我々は、サンプルの提案と、そのネットワークにおける重要性を学習し、そのニューラルネットワークアーキテクチャに対する複数の代替案を検討し比較する、微分可能なモジュールを導入する。
  論文  参考訳（メタデータ） (2021-06-09T17:59:10Z)
• Negative Data Augmentation [127.28042046152954]
  負のデータ拡張サンプルは、データ分散のサポートに関する情報を提供することを示す。 我々は、NDAを識別器の合成データの追加源として利用する新しいGAN訓練目標を提案する。 実験により,本手法で訓練したモデルでは,異常検出能力の向上とともに条件付き・条件付き画像生成の改善を実現している。
  論文  参考訳（メタデータ） (2021-02-09T20:28:35Z)
• Can Synthetic Data Improve Object Detection Results for Remote Sensing Images? [15.466412729455874]
  本稿では,リモートセンシング画像航空機検出の性能向上のために,広域分布のリアルな合成データの利用を提案する。 レンダリング中に、インスタンスのサイズや背景画像のクラスなど、パラメータをランダムに設定します。 合成画像をよりリアルにするために,CycleGANと実際の未ラベル画像を用いて,画素レベルで合成画像を洗練する。
  論文  参考訳（メタデータ） (2020-06-09T02:23:22Z)

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。