論文の概要: A Sonar-Visual Dataset for Cross-Modal Underwater Robot Perception

• arxiv url: http://arxiv.org/abs/2606.01398v1
• Date: Sun, 31 May 2026 18:43:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:29.683192
• Title: A Sonar-Visual Dataset for Cross-Modal Underwater Robot Perception
• Title（参考訳）: クロスモーダル水中ロボットの知覚のためのソナー・ビジュアルデータセット
• Authors: Weitung Chen, Phil Tinn, Per Gunnar Auran, Martin Ludvigsen, Peter Halland Haro,
• Abstract要約: 本稿では,ソナー・ヴィジュアル・データセットであるSOVISについて述べる。 SOVISは、トロンドハイムフィヨルドの6箇所で17回の潜水で収集された76,000枚のペアフレームから構成されている。 ラベル付きデータの小さなサブセットを用いて,概念横断魚検出タスクを実証する。
• 参考スコア（独自算出の注目度）: 2.0227002565466408
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Underwater robots typically use both cameras and sonar for perception to leverage the rich semantic details of vision and the robust range measurements of acoustics. However, learning to map between these modalities via cross-modal prediction remains underexplored due to limited sonar-visual paired datasets. We present SOVIS, a sonar-visual dataset for cross-modal underwater perception. SOVIS comprises over 76,000 paired frames collected across 17 dives at six sites in the Trondheimfjord, supported by an end-to-end pipeline that cleans and synchronizes the cross-modal sensor data. We also introduce an interactive annotation tool designed to accelerate the labeling process for this paired data. Finally, we demonstrate a proof-of-concept cross-modal fish detection task using a small subset of labeled data, achieving a 7x improvement in mAP@0.10 over a monocular camera baseline. SOVIS serves as the first step toward advancing cross-modal underwater perception research, enabling research directions such as dense sonar prediction from monocular images.
• Abstract（参考訳）: 水中ロボットは通常、知覚にカメラとソナーの両方を使用し、視覚の豊かなセマンティックディテールと音響の堅牢な範囲計測を利用する。 しかし、これらのモダリティの相互モーダル予測によるマッピングの学習は、ソナーと視覚のペアのデータセットが限られているため、いまだに探索されていない。 本稿では,ソナー・ヴィジュアル・データセットであるSOVISについて述べる。 SOVISは、トロンドハイムフィヨルドの6箇所で17回の潜水で収集された76,000組のペアフレームで構成され、エンドツーエンドのパイプラインによって支えられ、クロスモーダルセンサーデータのクリーニングと同期を行う。 また、このペア化されたデータのラベル付けプロセスを高速化するインタラクティブなアノテーションツールも導入する。 最後に、ラベル付きデータの小さなサブセットを用いて、モノクロカメラベースラインに対するmAP@0.10の7倍の改善を達成し、概念横断魚検出タスクを実証した。 SOVISは、モノクロ画像からの高密度ソナー予測などの研究方向を可能にする、クロスモーダル水中知覚研究に向けた第一歩となる。

関連論文リスト

• Neptune-X: Active X-to-Maritime Generation for Universal Maritime Object Detection [54.1960918379255]
  Neptune-Xは、海洋オブジェクト検出のためのデータ中心の生成-選択フレームワークである。 X-to-Maritime(X-to-Maritime)は、多様で現実的な海洋シーンを合成する多モード条件生成モデルである。 提案手法は,海上シーン合成における新しいベンチマークを設定し,検出精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2025-09-25T04:59:02Z)
• Real-Time Fusion of Visual and Chart Data for Enhanced Maritime Vision [2.14769181770878]
  本稿では,海図情報とリアルタイム視覚データを融合させることにより,海洋視力を高める新しい手法を提案する。 本システムは,ブイ等の検出された航法補助具と,それに対応するグラフデータとを正確にマッチングすることにより,海図データをライブビデオフィードにオーバーレイする。
  論文  参考訳（メタデータ） (2025-07-18T12:58:11Z)
• 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)
• Image and AIS Data Fusion Technique for Maritime Computer Vision Applications [1.482087972733629]
  本研究では,AIS(Automatic Identification System)データと画像に検出された容器を融合させてデータセットを作成する手法を開発した。 提案手法は, 距離と方位を推定することにより, 検出した船舶を対応するAISメッセージに関連付ける。 この技術は、水路交通管理、遭遇検知、監視のためのデータセットを作成するのに有用である。
  論文  参考訳（メタデータ） (2023-12-07T20:54:49Z)
• Scaling Data Generation in Vision-and-Language Navigation [116.95534559103788]
  本稿では,学習のための大規模データ生成に有効なパラダイムを提案する。 我々は、HM3DとGibsonのデータセットから1200以上のフォトリアリスティック環境を適用し、490万の命令軌道対を合成する。 我々の大規模データセットのおかげで、既存のエージェントの性能は(以前のSoTAでは+11%絶対)、単純な模倣学習によってR2Rテストの分割で80%の単ラン成功率で大幅に向上できる。
  論文  参考訳（メタデータ） (2023-07-28T16:03:28Z)
• Navya3DSeg -- Navya 3D Semantic Segmentation Dataset & split generation for autonomous vehicles [63.20765930558542]
  3Dセマンティックデータは、障害物検出やエゴ-車両の局所化といった中核的な認識タスクに有用である。 そこで我々は,大規模生産段階の運用領域に対応する多様なラベル空間を持つ新しいデータセットであるNavala 3D(Navya3DSeg)を提案する。 ラベルのない23のラベル付きシーケンスと25の補足シーケンスが含まれており、ポイントクラウド上の自己教師付きおよび半教師付きセマンティックセマンティックセグメンテーションベンチマークを探索するために設計された。
  論文  参考訳（メタデータ） (2023-02-16T13:41:19Z)
• A Dataset with Multibeam Forward-Looking Sonar for Underwater Object Detection [0.0]
  マルチビーム前方ソナー (MFLS) は水中検出において重要な役割を担っている。 MFLSを用いた水中物体検出の研究にはいくつかの課題がある。 本稿では,Tritech Gemini 1200ikソナーを用いて,9000枚以上のMFLS画像からなる新しいデータセットを提案する。
  論文  参考訳（メタデータ） (2022-12-01T08:26:03Z)
• MD-CSDNetwork: Multi-Domain Cross Stitched Network for Deepfake Detection [80.83725644958633]
  現在のディープフェイク生成法では、偽画像やビデオの周波数スペクトルに識別的アーティファクトが残されている。 MD-CSDNetwork(MD-CSDNetwork)と呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-09-15T14:11:53Z)
• Semantic Segmentation of Underwater Imagery: Dataset and Benchmark [13.456412091502527]
  水中イメージリー(SUIM)のセマンティック分析のための最初の大規模データセットを提示する。 魚(無脊椎動物)、サンゴ礁(無脊椎動物)、水生植物、難破船、人間ダイバー、ロボット、海底植物である。 また、標準的な性能指標に基づいて、最先端のセマンティックセマンティックセマンティクス手法のベンチマーク評価を行う。
  論文  参考訳（メタデータ） (2020-04-02T19:53:14Z)

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。