論文の概要: Differential Analysis of Multispectral Images for Terrain Identification
- arxiv url: http://arxiv.org/abs/2607.09319v1
- Date: Fri, 10 Jul 2026 11:57:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-13 16:48:13.432756
- Title: Differential Analysis of Multispectral Images for Terrain Identification
- Title（参考訳）: 地形同定のためのマルチスペクトル画像の微分解析
- Abstract要約: DRIFTは、生スペクトルバンドと耐照帯域比表現を組み合わせた軽量マルチスペクトルフレームワークである。
我々は、無人航空機に搭載されたMicaSense RedEdge-Pカメラを用いて、新しい油対土壌マルチスペクトルデータセット上でDRIFTを評価した。
- 参考スコア（独自算出の注目度）: 2.1133150522532493
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reliable terrain understanding is a prerequisite for autonomous robot navigation. Yet, the widespread RGB-based perception can fail under low illumination, shadows, and material ambiguities. In this work we propose DRIFT, a lightweight multispectral framework that combines raw spectral bands and illumination-tolerant band-ratio representations through a dual-stream residual architecture and a differential fusion branch. Band ratios attenuate multiplicative acquisition effects (illumination/sensor gains), while the differential fusion explicitly highlights discrepancies between absolute-band and ratio-derived cues, which improves the robustness to noisy or partially unreliable spectral measurements. In the paper (i) we evaluate DRIFT on a new oil-on-soil multispectral dataset acquired using a MicaSense RedEdge-P camera mounted on an Unmanned Aerial Vehicle, and (ii) we provide an additional controlled study on water-on-grass under varying illumination and thermal perturbations (hot/cold water) to analyze NIR-sensitive effects. DRIFT consistently improves over strong baselines, while remaining compatible with edge deployment.
- Abstract（参考訳）: 信頼性の高い地形理解は自律型ロボットナビゲーションの前提条件である。
しかし、RGBベースの認識は、低い照明、影、物質的曖昧さの下では失敗する可能性がある。
本研究では,2重ストリーム残差アーキテクチャと差動融合分岐を用いて,生スペクトル帯域と耐照帯域比表現を組み合わせた軽量マルチスペクトルフレームワークDRIFTを提案する。
バンド比は乗法的取得効果(照明/センサゲイン)を減衰させる一方、差分融合は絶対バンドと比派生キューの相違を明確に示し、ノイズや部分的に信頼できないスペクトル測定に対する堅牢性を改善する。
論文によせて
(i)無人航空機に搭載されたMicaSense RedEdge-Pカメラを用いて取得した新しいオイルオン土壌マルチスペクトルデータセット上でのDRIFTの評価を行い,その評価を行った。
(II)NIR感受性効果を解析するために,照明および熱摂動(温水・冷水)の異なる環境下での放牧水に関する追加的な制御研究を行った。
DRIFTは、エッジデプロイメントとの互換性を維持しながら、強いベースラインを継続的に改善する。
関連論文リスト
- Set-Based Transformer for Atmospheric Compensation in Standoff LWIR Hyperspectral Imaging [6.066442015301664]
本稿では,複数の放射率測定,透過率,大気経路放射率,共有下降スペクトルを併用した,軽量なセットベース深層学習フレームワークを提案する。
学習した表現をスパースオートエンコーダを用いて解析し、テストデータの地理的コヒーレントな部分集合上で複数の潜在特徴が活性化されることを観察する。
論文 参考訳（メタデータ） (2026-06-06T20:25:30Z) - High-Resolution Single-Shot Polarimetric Imaging Made Easy [76.04914313843774]
EasyPolarは多視点偏光イメージングフレームワークである。
3つの同期RGBカメラは、1つの非偏光ビューと2つの異なる方向の偏光ビューをキャプチャする。
多視点核融合における潜在的なミスアライメントに対処するために、信頼誘導偏光再構成ネットワークを提案する。
論文 参考訳（メタデータ） (2026-04-07T08:20:58Z) - Unmixing microinfrared spectroscopic images of cross-sections of historical oil paintings [38.319445753146404]
ATR-$FTIR HSIのブラインドアンミックスのための教師なしCNNオートエンコーダを提案する。
本稿では,ヴァン・エイク兄弟によるヘント・アルタルピースのATR-$FTIR断面積を実証する。
論文 参考訳（メタデータ） (2026-03-03T09:47:48Z) - calibfusion: Transformer-Based Differentiable Calibration for Radar-Camera Fusion Detection in Water-Surface Environments [3.555701659243434]
CalibFusionはキャリブレーション条件のレーダー-カメラ核融合検出器である。
検出目的によって、暗黙の非本質的な洗練をエンドツーエンドに学習する。
実験では, 核融合による2次元検出と, 合成ミスキャリブレーションによるロバスト性の改善が示された。
論文 参考訳（メタデータ） (2026-03-03T04:06:29Z) - Modality-Decoupled RGB-Thermal Object Detector via Query Fusion [15.717929078660227]
本稿では,モダリティ補間と分離のバランスをとるために,MDQF (Query Fusion) を用いたモダリティ分離RGB-T検出フレームワークを提案する。
提案手法は既存のRGB-T検出器に優れた性能を提供し,モダリティ独立性を向上する。
論文 参考訳（メタデータ） (2026-01-13T11:32:29Z) - Perceptual Region-Driven Infrared-Visible Co-Fusion for Extreme Scene Enhancement [8.10747908396949]
マルチ露光とマルチモーダルイメージングを組み合わせた地域認識に基づく融合フレームワークを提案する。
このフレームワークは、極端環境における単一露光法制限を克服し、マルチモーダル・マルチ露光データを融合する。
合成データと実世界のデータの両方で行った実験は、最先端の手法と比較して画像の明瞭さが優れ、性能が向上した。
論文 参考訳（メタデータ） (2025-12-06T11:17:35Z) - Multi-Domain Biometric Recognition using Body Embeddings [51.36007967653781]
身体埋め込みは中波長赤外線(MWIR)領域と長波長赤外線(LWIR)領域の顔埋め込みよりも優れていた。
我々は、IJB-MDFデータセット上でのベンチマーク結果を確立するために、ビジョントランスフォーマーアーキテクチャを活用している。
また, クロスエントロピーとトリプルト損失の単純な組み合わせで, VISデータにのみ事前訓練された体モデルを微調整することで, 最先端のmAPスコアが得られることを示す。
論文 参考訳（メタデータ） (2025-03-13T22:38:18Z) - Bringing RGB and IR Together: Hierarchical Multi-Modal Enhancement for Robust Transmission Line Detection [67.02804741856512]
高速かつ高精度なTL検出のために,RGBとIRデータを統合したHMMEN(Hierarchical Multi-Modal Enhancement Network)を提案する。
提案手法では,(1)階層的RGBおよびIR特徴写像を大まかに融合・拡張するMMEB,(2)デコーダ出力とIR特徴写像の不整合を変形可能な畳み込みを利用して補正するFAB,の2つの重要な構成要素を紹介する。
論文 参考訳（メタデータ） (2025-01-25T06:21:06Z) - Contourlet Refinement Gate Framework for Thermal Spectrum Distribution Regularized Infrared Image Super-Resolution [54.293362972473595]
画像超解像(SR)は、高解像度(HR)画像を低解像度(LR)画像から再構成することを目的としている。
SRタスクに対処する現在のアプローチは、RGB画像の特徴を抽出するか、同様の劣化パターンを仮定するものである。
スペクトル分布の忠実さを保ちつつ、赤外線変調特性を復元するコントゥーレット改質ゲートフレームワークを提案する。
論文 参考訳（メタデータ） (2024-11-19T14:24:03Z) - Adaptive Stereo Depth Estimation with Multi-Spectral Images Across All Lighting Conditions [58.88917836512819]
本稿では,立体深度推定を取り入れた新しいフレームワークを提案し,正確な幾何学的制約を強制する。
照明の劣化がステレオマッチングに与える影響を軽減するために,劣化マスキングを導入する。
提案手法は,Multi-Spectral Stereo(MS2)データセット上でのSOTA(State-of-the-art)性能を実現する。
論文 参考訳（メタデータ） (2024-11-06T03:30:46Z) - Depth Estimation from Monocular Images and Sparse Radar Data [93.70524512061318]
本稿では,ディープニューラルネットワークを用いた単眼画像とレーダ点の融合により,より正確な深度推定を実現する可能性を検討する。
レーダ測定で発生するノイズが,既存の融合法の適用を妨げている主要な理由の1つであることが判明した。
実験はnuScenesデータセット上で行われ、カメラ、レーダー、LiDARの記録を様々な場面と気象条件で記録する最初のデータセットの1つである。
論文 参考訳（メタデータ） (2020-09-30T19:01:33Z)
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。