論文の概要: PairWise Image Finder: An Open-source Tool for Finding Visually Aligned Street-Level Image Pairs for Urban Perception Studies

• arxiv url: http://arxiv.org/abs/2606.08795v1
• Date: Sun, 07 Jun 2026 19:24:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:06.453616
• Title: PairWise Image Finder: An Open-source Tool for Finding Visually Aligned Street-Level Image Pairs for Urban Perception Studies
• Title（参考訳）: PairWise Image Finder: 都市認識研究のための視覚障害者用ストリートレベル画像ペアのオープンソースツール
• Authors: Jussi Torkko,
• Abstract要約: 本研究では,機能検出とマッチングを統合したPairWiseイメージファインダを導入し,セマンティックセグメンテーションマスクでサポートした。 このツールは、マッチしたキーの特徴、マッチした特徴距離とカバレッジ、セマンティックマスクのアライメントのシェアを出力する。 視覚的に整列されたペアは、明確な縦方向の変化を正確に研究し、知覚研究のための手作業を減らすのに役立つ。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Change detection and scene recognition techniques have been widely applied to Street View Imagery (SVI) to understand changes in scenes across the years. However, metadata alone is often insufficient to reliably find visually aligned image pairs. This study introduces the PairWise image finder, a tool that integrates feature detection and matching, supported by semantic segmentation masks to quantify the visual alignment of two images of varying time periods. The tool outputs the share of matched key features, the matched feature distance and coverage, and the alignment of semantic masks, which enables the user to filter image pairs depending on the alignment quality and use case. The visually aligned pairs derived from the tool can be used to accurately study explicit longitudinal change and help reduce manual effort for perception studies. The usability of the tool is demonstrated through a comparison of longitudinal changes, highlighting the importance of perspective when quantifying changes. The proposed method provides a scalable and open tool for researchers and stakeholders to find high-quality image pairs for urban analysis, perception and related applications.
• Abstract（参考訳）: ストリートビュー画像(SVI)に変化検出とシーン認識技術が広く応用され,近年のシーン変化の理解が進んでいる。 しかし、メタデータだけでは、視覚的に整列したイメージペアを確実に見つけるには不十分であることが多い。 本研究では,特徴検出とマッチングを統合するツールであるPairWiseイメージファインダをセマンティックセグメンテーションマスクでサポートし,異なる期間の2つの画像の視覚的アライメントを定量化する。 このツールは、一致したキー特徴の共有、一致した特徴距離とカバレッジ、セマンティックマスクのアライメントを出力し、ユーザーはアライメント品質とユースケースに応じて画像ペアをフィルタリングすることができる。 ツールから得られる視覚的に整列したペアは、明確な縦方向の変化を正確に研究し、知覚研究における手作業の軽減に役立てることができる。 ツールのユーザビリティは、経年変化の比較を通じて示され、変化の定量化における視点の重要性を強調している。 提案手法は、研究者やステークホルダーが都市分析、知覚、関連アプリケーションのための高品質な画像ペアを見つけるためのスケーラブルでオープンなツールを提供する。

関連論文リスト

• Robust Scene Change Detection Using Visual Foundation Models and Cross-Attention Mechanisms [27.882122236282054]
  本稿では,視覚基礎モデルDINOv2の頑健な特徴抽出機能を活用したシーン変化検出手法を提案する。 我々は,VL-CMU-CDとPSCDの2つのベンチマークデータセットに対するアプローチと,その視点評価バージョンについて検討した。 実験では,F1スコアにおいて,特に画像ペア間の幾何学的変化を伴うシナリオにおいて,顕著な改善が示された。
  論文  参考訳（メタデータ） (2024-09-25T11:55:27Z)
• Breaking the Frame: Visual Place Recognition by Overlap Prediction [53.17564423756082]
  本稿では,重なり合う予測に基づく新しい視覚的位置認識手法 VOP を提案する。 VOPは、Vision Transformerのバックボーンを使用してパッチレベルの埋め込みを取得することで、コビジュアブルなイメージセクションを進める。 提案手法では,データベース画像の重複点の評価に投票機構を用いる。
  論文  参考訳（メタデータ） (2024-06-23T20:00:20Z)
• Learning-based Relational Object Matching Across Views [63.63338392484501]
  本稿では,RGB画像間のオブジェクト検出をマッチングするための,局所キーポイントと新たなオブジェクトレベルの特徴を組み合わせた学習ベースアプローチを提案する。 我々は、連想グラフニューラルネットワークにおいて、オブジェクト間の外観とフレーム間およびフレーム間空間関係に基づいて、オブジェクトレベルのマッチング機能を訓練する。
  論文  参考訳（メタデータ） (2023-05-03T19:36:51Z)
• Self-Pair: Synthesizing Changes from Single Source for Object Change Detection in Remote Sensing Imagery [6.586756080460231]
  本研究では,2つの空間的無関係な画像を用いて変化検出器をトレーニングする。 本稿では,画像の残像としての操作が,変化検出の性能に不可欠であることを示す。 本手法は, 単一時間監視に基づく既存手法よりも優れる。
  論文  参考訳（メタデータ） (2022-12-20T13:26:42Z)
• Content-Based Detection of Temporal Metadata Manipulation [91.34308819261905]
  画像の撮像時間とその内容と地理的位置とが一致しているかどうかを検証するためのエンドツーエンドのアプローチを提案する。 中心となる考え方は、画像の内容、キャプチャ時間、地理的位置が一致する確率を予測するための教師付き一貫性検証の利用である。 我々のアプローチは、大規模なベンチマークデータセットの以前の作業により改善され、分類精度が59.03%から81.07%に向上した。
  論文  参考訳（メタデータ） (2021-03-08T13:16:19Z)
• Geometrically Mappable Image Features [85.81073893916414]
  地図内のエージェントの視覚に基づくローカライゼーションは、ロボット工学とコンピュータビジョンにおいて重要な問題である。 本稿では,画像検索を対象とした画像特徴学習手法を提案する。
  論文  参考訳（メタデータ） (2020-03-21T15:36:38Z)

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。