Fugu-MT 論文翻訳(概要): Beyond Damage Assessment: Recyclable Material Detection in Aerial Disaster Imagery Using a Lightweight Patch-Based Framework

論文の概要: Beyond Damage Assessment: Recyclable Material Detection in Aerial Disaster Imagery Using a Lightweight Patch-Based Framework

arxiv url: http://arxiv.org/abs/2606.21279v1
Date: Fri, 19 Jun 2026 09:55:53 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-25 14:40:48.622488
Title: Beyond Damage Assessment: Recyclable Material Detection in Aerial Disaster Imagery Using a Lightweight Patch-Based Framework
Title（参考訳）: 被害評価を超えて:軽量パッチ・フレームワークを用いた航空災害画像のリサイクル可能な材料検出
Authors: Mahmoud Hazem, Karim Hammoudi,
Abstract要約: 本稿では, リサイクル可能な材料の効率的な検出を可能にする軽量な手法を提案する。リサイクル可能な材料検出器の開発を支援するためにラベル付けした,レアな材料画像のデータセットを提供する。
参考スコア（独自算出の注目度）: 1.332091725929965
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Nowadays, more and more disasters of different natures are appearing. Several disaster assessment approaches have been developed in order to identify damaged areas from aerial images. These damaged areas contain rich material that could be recycled towards several ecological purposes. In this paper, we present a lightweight approach that permits the efficient detection of recyclable material. Experimental results show the potential of the proposed approach towards localizing recyclable materials. Accordingly, we provide a rare dataset of material images that we labeled towards supporting the development of recyclable material detectors. The dataset of labeled material images is publicly available at: anonymous.
Abstract（参考訳）: 今日では、様々な自然の災害が増えている。航空画像から被害地域を特定するために,いくつかの災害評価手法が開発されている。これらの損傷地域は、いくつかの生態学的目的のためにリサイクルできる豊富な物質を含んでいる。本稿では, リサイクル可能な材料の効率的な検出を可能にする軽量な手法を提案する。実験結果から, リサイクル可能な材料の局在化へのアプローチの可能性が示唆された。そこで我々は,リサイクル可能な材料検出器の開発を支援するためにラベル付けした,レアな材料画像のデータセットを提供する。ラベル付きマテリアルイメージのデータセットは、以下で公開されている。

関連論文リスト

Evaluating Contextual Intelligence in Recyclability: A Comprehensive Study of Image-Based Reasoning Systems [1.9437590375121516]
本研究は, 近縁視覚言語モデルを用いて, 一般に廃棄された商品のリサイクル性を予測することを目的とした。対象物を適切なリサイクル容器に適合させる能力を評価するとともに、利用可能な容器に物理的に適合するかどうかを評価する。本研究は,これらのモデルが提示した文脈理解の進歩を,過去の繰り返しと比較して明らかにした。
論文参考訳（メタデータ） (2025-12-31T21:42:32Z)
MARBLE: Material Recomposition and Blending in CLIP-Space [34.22278569839714]
材料をCLIP空間に埋没させることにより, 微細な材料特性をブレンディングし, 再合成する手法を提案する。資料帰属に責任を負うUNetのブロックを見つけることにより,既存の素材編集を改善する。
論文参考訳（メタデータ） (2025-06-05T17:55:16Z)
Intrinsic Image Diffusion for Indoor Single-view Material Estimation [55.276815106443976]
室内シーンの外観分解のための生成モデルIntrinsic Image Diffusionを提案する。 1つの入力ビューから、アルベド、粗さ、および金属地図として表される複数の材料説明をサンプリングする。提案手法は,PSNRで1.5dB$,アルベド予測で45%のFIDスコアを達成し,よりシャープで,より一貫性があり,より詳細な資料を生成する。
論文参考訳（メタデータ） (2023-12-19T15:56:19Z)
DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
論文参考訳（メタデータ） (2023-12-11T18:38:28Z)
Perceptual Artifacts Localization for Image Synthesis Tasks [59.638307505334076]
我々は10,168個の画像からなる新しいデータセットを導入し,それぞれに知覚的アーティファクトラベルを付加した。提案したデータセットに基づいてトレーニングされたセグメンテーションモデルは、さまざまなタスクにまたがるアーティファクトを効果的にローカライズする。生成した画像の知覚的アーティファクトをシームレスに修正する,革新的なズームイン・インペインティングパイプラインを提案する。
論文参考訳（メタデータ） (2023-10-09T10:22:08Z)
A hierarchical semantic segmentation framework for computer vision-based bridge damage detection [3.8999448636733516]
遠隔カメラと無人航空機(UAV)を用いたコンピュータビジョンによる損傷検出は、効率的で低コストなブリッジの健康モニタリングを可能にする。本稿では,コンポーネントカテゴリと損傷タイプ間の階層的意味関係を強制するセグメンテーションフレームワークを提案する。このようにして、損傷検出モデルは、潜在的な損傷領域からのみ学習特徴に焦点をあてることができ、他の無関係領域の影響を避けることができる。
論文参考訳（メタデータ） (2022-07-18T18:42:54Z)
A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and Ground Truth [61.90504318229845]
本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
論文参考訳（メタデータ） (2022-06-13T19:14:06Z)
ZeroWaste Dataset: Towards Automated Waste Recycling [51.053682077915546]
産業レベルの廃棄物検出・分別データセットZeroWasteについて述べる。このデータセットには、実際の廃棄物処理工場から収集された1800以上のビデオフレームが含まれている。最先端のセグメンテーション手法では,対象物を正しく検出・分類することが困難であることを示す。
論文参考訳（メタデータ） (2021-06-04T22:17:09Z)
MaterialGAN: Reflectance Capture using a Generative SVBRDF Model [33.578080406338266]
本稿では,StyleGAN2をベースとした深層生成畳み込みネットワークであるMaterialGANを提案する。逆レンダリングフレームワークにおいて,MaterialGANは強力な素材として利用できることを示す。携帯端末を用いたフラッシュ照明下で撮影された画像からSVBRDFを再構成する作業において,この枠組みを実証する。
論文参考訳（メタデータ） (2020-09-30T21:33:00Z)
MSNet: A Multilevel Instance Segmentation Network for Natural Disaster Damage Assessment in Aerial Videos [74.22132693931145]
本研究では, ハリケーン, 洪水, 火災などの自然災害後の建物被害を効率的に評価する課題について検討する。最初のコントリビューションは、ソーシャルメディアからユーザ生成された空中ビデオと、インスタンスレベルのビルディング損傷マスクのアノテーションで構成される、新しいデータセットである。第二のコントリビューションはMSNetと呼ばれる新しいモデルで、新しい領域の提案ネットワーク設計を含んでいる。
論文参考訳（メタデータ） (2020-06-30T02:23:05Z)

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。