論文の概要: MariData: One-Step Unpaired Image Translation for Maritime Environments
- arxiv url: http://arxiv.org/abs/2606.03246v1
- Date: Tue, 02 Jun 2026 07:05:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-03 22:00:04.825039
- Title: MariData: One-Step Unpaired Image Translation for Maritime Environments
- Title（参考訳）: MariData: 海上環境のためのワンステップの未ペア画像翻訳
- Authors: Santeri Henriksson, Mehdi Asadi, Amin Majd, Juha Kalliovaara,
- Abstract要約: 本稿では,一段階の無人翻訳アーキテクチャであるCycleGAN-turboを用いて,合成海洋データを生成するフレームワークを提案する。
我々は7000枚の海洋画像のデータセットを収集し、デイ・トゥ・フォグギー、デイ・トゥ・サンセット、デイ・トゥ・ナイトドメイン翻訳のモデルを訓練し、評価した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The development on robust perception systems for Maritime Autonomous Surface Ships (MASS) is heavily constrained by the scarcity of diverse training data, particularly for adverse weather and low-light conditions. Because collecting paired images in dynamic maritime environments is physically impossible, synthetic data generation via unpaired image-to-image translation offers a critical solution. However, existing generative models suffer from failing to preserve the fine structural details of small navigational objects due to latent compression bottlenecks. In this paper, we introduce a framework for generating synthetic maritime data using CycleGAN-turbo, a one-step unpaired translation architecture. By incorporating zero-convolution skip connections to bypass the Variational Autoencoder (VAE) bottleneck, our approach explicitly preserves small object details (e.g., distant vessels and sea marks) during translation. We compiled a dataset of 7,000 maritime images to train and evaluate models for Day-to-Foggy, Day-to-Sunset, and Day-to-Night domain translations. Qualitative evaluations and variable-strength inference studies demonstrate that our method effectively synthesizes realistic atmospheric conditions while maintaining the underlying semantic structure of the scene. The Day-to-Foggy and Day-to-Sunset models exhibit great structural retention, whereas the Day-to-Night model highlights the challenge of semantic hallucination, such as generating artificial coastal lights, induced by unbalanced training distributions. Ultimately, this work establishes an efficient, structure-aware data synthesis pipeline that directly addresses the data scarcity bottleneck in autonomous maritime navigation.
- Abstract（参考訳）: 海上自律表面船(MASS)のロバストな認識システムの開発は、特に悪天候や低照度条件において、多様な訓練データの不足により、非常に制約されている。
動的海洋環境におけるペア画像の収集は物理的に不可能であるため、未ペア画像-画像変換による合成データ生成は重要な解決策となる。
しかし、既存の生成モデルは、遅延圧縮ボトルネックのため、小さな航法オブジェクトの微細な構造的詳細を保存できない。
本稿では,一段階の無人翻訳アーキテクチャであるCycleGAN-turboを用いて,合成海洋データを生成するフレームワークを提案する。
変分オートエンコーダ(VAE)ボトルネックを回避するためにゼロ畳み込みスキップ接続を組み込むことにより,本手法は翻訳中の小さな物体の詳細(遠方船や海標など)を明示的に保存する。
我々は7000枚の海洋画像のデータセットを収集し、デイ・トゥ・フォグギー、デイ・トゥ・サンセット、デイ・トゥ・ナイトドメイン翻訳のモデルを訓練し、評価した。
定性的評価と可変強度推定実験により,本手法はシーンの基盤となる意味構造を維持しつつ,現実的な大気環境を効果的に合成することを示した。
Day-to-FoggyモデルとDay-to-Sunsetモデルは大きな構造的保持を示し、Day-to-Nightモデルは、不均衡なトレーニング分布によって引き起こされる人工的な沿岸照明の生成などの意味的な幻覚の課題を強調している。
最終的にこの研究は、自律海洋航行におけるデータ不足のボトルネックに直接対処する、効率的な構造対応データ合成パイプラインを確立する。
関連論文リスト
- Cross-Scenario Deraining Adaptation with Unpaired Data: Superpixel Structural Priors and Multi-Stage Pseudo-Rain Synthesis [48.809049043865905]
低レベルのコンピュータビジョンでは,イメージデライン化が重要な役割を担っている。
ディープラーニングのパラダイムは、目に見えないアウト・オブ・ディストリビューションシナリオに一般化された場合、厳しいパフォーマンス劣化に悩まされることが多い。
本稿では,クロスシナリオ・デライニング適応フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-23T07:38:55Z) - ClimaOoD: Improving Anomaly Segmentation via Physically Realistic Synthetic Data [16.145130650604344]
我々は,意味的コヒーレント,気象多様性,物理的に妥当なOoD駆動データを合成するためのセマンティックス誘導イメージ・ツー・イメージ・フレームワークを提案する。
この枠組みに基づいて,晴天条件と悪天候条件の両方で6つの代表的な運転シナリオにまたがる大規模ベンチマークであるClimaOoDを構築した。
論文 参考訳（メタデータ） (2025-12-02T12:14:19Z) - 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) - 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) - Sea-ing Through Scattered Rays: Revisiting the Image Formation Model for Realistic Underwater Image Generation [17.03002065875237]
本研究では、一般的に省略される前方散乱項を含む改良された合成データ生成パイプラインを提案する。
また、制御された濁度条件下でBUCKETデータセットを収集し、対応する基準画像を用いて実際の濁度映像を取得する。
調査参加者の選抜率は82.5%であり, 基準モデルよりも質的改善が見られた。
論文 参考訳（メタデータ） (2025-09-18T14:42:24Z) - eStonefish-scenes: A synthetically generated dataset for underwater event-based optical flow prediction tasks [0.0]
我々はStonefishシミュレータに基づく合成イベントベース光フローデータセットeStonefish-scenesを紹介する。
データセットとともに、カスタマイズ可能な水中環境の作成を可能にするデータ生成パイプラインを提案する。
論文 参考訳（メタデータ） (2025-05-19T16:26:18Z) - Pseudo-Label Guided Real-World Image De-weathering: A Learning Framework with Imperfect Supervision [57.5699142476311]
非理想的な監視を伴う実世界のイメージデウェザリングのための統一的なソリューションを提案する。
本手法は,不完全整合型非整合性データセットのトレーニングにおいて,大きな利点を示す。
論文 参考訳（メタデータ） (2025-04-14T07:24:03Z) - Image-Based Relocalization and Alignment for Long-Term Monitoring of Dynamic Underwater Environments [57.59857784298534]
本稿では,視覚的位置認識(VPR),特徴マッチング,画像分割を組み合わせた統合パイプラインを提案する。
本手法は, 再検討領域のロバスト同定, 剛性変換の推定, 生態系変化の下流解析を可能にする。
論文 参考訳（メタデータ） (2025-03-06T05:13:19Z)
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。