論文の概要: Illumination-Invariant Anomaly Detection for Sub-Canopy UAV Multispectral Point Clouds

• arxiv url: http://arxiv.org/abs/2606.09111v1
• Date: Mon, 08 Jun 2026 07:04:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:06.781198
• Title: Illumination-Invariant Anomaly Detection for Sub-Canopy UAV Multispectral Point Clouds
• Title（参考訳）: サブキャノピーUAVマルチスペクトル点雲の照明不変異常検出
• Authors: Likun Chen, Yanfeng Gu, Xian Li,
• Abstract要約: 照明の変動を頑健に扱える事前自由な異常検出フレームワークを提案する。 この枠組みは特に、カモフラージュされた軍事目標の特定、倒れた木の幹のマッピング、考古学的遺跡の発掘に適している。
• 参考スコア（独自算出の注目度）: 9.838441127006734
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unmanned Aerial Vehicle (UAV) multispectral point clouds (MPC) provide high-dimensional spatial-spectral data for sub-canopy target detection; however, their efficacy is significantly compromised by severe illumination heterogeneity caused by vegetation shadows. To address this, we propose a prior-free anomaly detection framework capable of robustly handling lighting variations. First, we formulate solar angle estimation as an inverse optimization problem. By coupling spectral indices with a ray-tracing model, this strategy achieves Prior-Free Shadow Extraction without relying on flight metadata, effectively distinguishing dark objects from true shadows. Second, to mitigate spectral distortions, we introduce an Illumination-Consistent Sparse Representation mechanism. Unlike standard reconstruction methods, we construct a background dictionary strictly from neighbors sharing the same illumination state. This constraint effectively disentangles spectral reflectance from lighting variations, ensuring that targets are represented solely by physically consistent background points. Experimental results indicate that the proposed method significantly improves the separability between anomalies and background in complex forest environments, demonstrating superior performance over state-of-the-art baselines. This framework is particularly suited for identifying camouflaged military targets, mapping fallen tree trunks, and uncovering archaeological ruins hidden beneath dense foliage.
• Abstract（参考訳）: 無人航空機 (UAV) マルチスペクトル点雲 (MPC) は, サブキャノピー目標検出のための高次元空間スペクトルデータを提供するが, その有効性は, 植生影による激しい照明の不均一性によって著しく損なわれている。 そこで本研究では,照明変動を頑健に処理できる事前自由異常検出フレームワークを提案する。 まず、逆最適化問題として太陽角推定を定式化する。 スペクトル指標をレイトレーシングモデルと結合することにより、飛行メタデータに頼ることなく事前自由影抽出を実現し、ダークオブジェクトと真の影を効果的に区別する。 第二に、スペクトル歪みを軽減するために、照度一貫性スパース表現機構を導入する。 標準的な復元方法とは異なり、同じ照明状態を共有する隣人から厳密に背景辞書を構築する。 この制約は、光の変動からスペクトル反射を効果的に切り離し、ターゲットが物理的に一貫した背景点によってのみ表現されることを保証する。 実験により, 複雑な森林環境における異常と背景の分離性を著しく改善し, 最先端のベースラインよりも優れた性能を示した。 この枠組みは特に、カモフラージュされた軍事目標を特定し、倒れた木の幹をマッピングし、密集した葉の下に隠れた考古学的遺跡を発掘するのに適している。

関連論文リスト

• deSEO: Physics-Aware Dataset Creation for High-Resolution Satellite Image Shadow Removal [36.90985364531957]
  地形や高層構造物の影は、高解像度衛星画像解析の大きな障害となっている。 ほとんどの地球観測データセットは、除去ではなく、影の検出や3Dモデリングのために設計されている。 我々は、衛星影除去のためのペア化された監督法を初めて導出した幾何学的・物理学的インフォームド手法を開発した。
  論文  参考訳（メタデータ） (2026-05-05T10:35:59Z)
• MaterialRefGS: Reflective Gaussian Splatting with Multi-view Consistent Material Inference [83.38607296779423]
  より物理的な環境モデルを用いた多視点一貫した物質推定がガウススプラッティングによる正確な反射の学習の鍵となることを示す。 本手法は照明と幾何学の両方を忠実に復元し,新しいビュー合成における最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2025-10-13T13:29:20Z)
• Nonlocal Retinex-Based Variational Model and its Deep Unfolding Twin for Low-Light Image Enhancement [3.174882428337821]
  本稿では,Retinex分解に基づく低照度画像強調のための変分法を提案する。 低照度画像に色補正前処理ステップを適用し、分解時に観察された入力として使用する。 我々は、演算子を学習可能なネットワークに置き換える深層展開モデルを導入することにより、モデルを拡張する。
  論文  参考訳（メタデータ） (2025-04-10T14:48:26Z)
• NeISF: Neural Incident Stokes Field for Geometry and Material Estimation [50.588983686271284]
  多視点逆レンダリングは、異なる視点で撮影された一連の画像から形状、材料、照明などのシーンパラメータを推定する問題である。 本稿では,偏光手がかりを用いた曖昧さを低減する多視点逆フレームワークNeISFを提案する。
  論文  参考訳（メタデータ） (2023-11-22T06:28:30Z)
• NeFII: Inverse Rendering for Reflectance Decomposition with Near-Field Indirect Illumination [48.42173911185454]
  逆レンダリング手法は、多視点RGB画像から幾何学、材料、照明を推定することを目的としている。 本稿では,多視点画像から材料と照明を分解するエンドツーエンドの逆レンダリングパイプラインを提案する。
  論文  参考訳（メタデータ） (2023-03-29T12:05:19Z)
• Aligning Silhouette Topology for Self-Adaptive 3D Human Pose Recovery [70.66865453410958]
  アーティキュレーション中心の2D/3Dポーズ監視は、既存の多くの人間のポーズ推定技術においてコアトレーニング目標を形成する。 本稿では,ソース学習モデルベース回帰器を適応させるために,シルエット監視のみに依存する新しいフレームワークを提案する。 我々は、トポロジカル・スケルトン表現を生シルエットから切り離すために、一連の畳み込みに優しい空間変換を開発する。
  論文  参考訳（メタデータ） (2022-04-04T06:58:15Z)

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。