論文の概要: Enabling 24-hour Agricultural Robotics: Unsupervised Day-to-Night Cross-Modal Image Translation for Nighttime Visual Navigation
- arxiv url: http://arxiv.org/abs/2607.12065v1
- Date: Mon, 13 Jul 2026 18:37:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-15 17:08:29.933944
- Title: Enabling 24-hour Agricultural Robotics: Unsupervised Day-to-Night Cross-Modal Image Translation for Nighttime Visual Navigation
- Title（参考訳）: 24時間農業ロボット:夜間視覚ナビゲーションのための教師なし日夜横断画像翻訳
- Authors: Robel Mamo, Rajitha de Silva, Grzegorz Cielniak, Taeyeong Choi,
- Abstract要約: プラントローRGB画像を,画素間監督を必要とせず,夜間に近赤外(NIR)に変換する教師なし画像翻訳フレームワークを提案する。
これにより、夜間知覚モデルのトレーニングにセマンティックラベルを直接再利用することができる。
我々は,最先端の画像翻訳ベースラインと比較評価を行い,高い画質を示す。
- 参考スコア（独自算出の注目度）: 7.349727826230862
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: While visual navigation has been extensively studied in agricultural robotics, most existing systems assume daytime conditions. In fact, deploying autonomous robots at night offers significant advantages, including 24-hour crop and soil monitoring, fruit harvesting, and nocturnal pest detection. Modern vision-based systems, however, rely heavily on large-scale well-annotated image datasets, which remains challenging to obtain for nighttime operation scenarios. To address this, we propose an unsupervised image translation framework that converts daytime plant-row RGB images into near-infrared (NIR) nighttime counterparts without requiring pixel-to-pixel supervision. This enables the direct reuse of daytime semantic labels for training nighttime perception models. In particular, by incorporating a pre-trained Contrastive Language-Image Pre-training (CLIP) model, the proposed framework is designed to preserve semantic consistency during day-to-night translation. Additionally, a visibility mask is introduced to account for the limited effective range of NIR illumination in nighttime scenes. We conduct comparative evaluations with state-of-the-art image translation baselines and demonstrate higher image qualities, as supported by improved performance in downstream semantic segmentation for nighttime visual navigation. For evaluation, we utilize AgriNight--a novel dataset comprising 428 daytime and 549 nighttime images collected using night-vision-equipped mobile robots in agricultural fields and manually annotated with pixel-wise semantic labels--and introduce it as the first benchmark for nighttime agricultural visual navigation. We also perform real-time autonomous navigation experiments with a physical robot operating at night. The data and code are available at: https://github.com/mamorobel/AgriNight.
- Abstract（参考訳）: 視覚ナビゲーションは農業ロボティクスで広く研究されているが、既存のシステムのほとんどは昼間の状態を前提としている。
実際に、夜間に自律的なロボットを配備することは、24時間の収穫と土壌モニタリング、果物の収穫、夜行性害虫検出など、大きな利点がある。
しかし、現代の視覚ベースのシステムは、夜間の運用シナリオでは入手が困難である大規模に注釈付けされた画像データセットに大きく依存している。
そこで本研究では,昼間のプラントローRGB画像を,ピクセル・ツー・ピクセルの監督を必要とせずに,夜間に近赤外(NIR)に変換する教師なし画像翻訳フレームワークを提案する。
これにより、夜間知覚モデルのトレーニングのために、昼間のセマンティックラベルを直接再利用することができる。
特に、事前訓練されたコントラスト言語-画像事前学習(CLIP)モデルを組み込むことで、日々の翻訳において意味的一貫性を維持するように設計されている。
また、夜間のシーンにおいて、NIR照明の有効範囲が限られているため、可視マスクが導入された。
夜間視覚ナビゲーションにおける下流セマンティックセマンティックセグメンテーションの性能向上を支援することにより、最先端の画像翻訳ベースラインと比較評価を行い、画像品質の向上を図っている。
評価のために,AgriNightを用いて,夜間型移動ロボットを用いて,夜間型移動ロボットを用いて収集した428の夜間画像と549の夜間画像からなる,夜間型視覚ナビゲーションのための最初のベンチマークとして,画素単位のセマンティックラベルを手作業でアノテートした新しいデータセットを紹介した。
また、夜間に動く物理ロボットを用いて、リアルタイムの自律ナビゲーション実験も行います。
データとコードは、https://github.com/mamorobel/AgriNight.comで入手できる。
関連論文リスト
- Exploring Reliable Matching with Phase Enhancement for Night-time Semantic Segmentation [58.180226179087086]
夜間セマンティックセマンティックセグメンテーションに適した新しいエンドツーエンド最適化手法であるNightFormerを提案する。
具体的には,画素レベルのテクスチャ・エンハンスメント・モジュールを設計し,フェーズ・エンハンスメントとアンプリメント・アテンションとともに階層的にテクスチャ・アウェア機能を取得する。
提案手法は、最先端の夜間セマンティックセグメンテーション手法に対して好意的に機能する。
論文 参考訳（メタデータ） (2024-08-25T13:59:31Z) - Sun Off, Lights On: Photorealistic Monocular Nighttime Simulation for Robust Semantic Perception [53.631644875171595]
夜間のシーンは、学習したモデルで意味的に知覚し、人間に注釈を付けるのは難しい。
本手法は,1枚の画像の夜間シミュレーションを3Dで行う方法として,サンオフ,ライトオン (SOLO) と命名された。
夜間画像の視覚的品質と光リアリズムは,拡散モデルを含む競合するアプローチよりも優れているだけでなく,従来の画像は,昼夜適応における意味的夜間セグメンテーションに有益であることが証明されている。
論文 参考訳（メタデータ） (2024-07-29T18:00:09Z) - NocPlace: Nocturnal Visual Place Recognition via Generative and Inherited Knowledge Transfer [11.203135595002978]
NocPlaceは、世界のディスクリプタに照らされた光と極暗に対するレジリエンスを埋め込む。
NocPlaceは、東京24/7ナイトで7.6%、SVOXナイトで16.8%向上している。
論文 参考訳（メタデータ） (2024-02-27T02:47:09Z) - Disentangled Contrastive Image Translation for Nighttime Surveillance [87.03178320662592]
夜間監視は、照明の悪さと厳しい人間のアノテーションによる劣化に悩まされる。
既存の手法では、暗黒の物体を知覚するためにマルチスペクトル画像が使われており、解像度の低さと色の不在に悩まされている。
夜間監視の究極の解決策は、夜から昼までの翻訳(Night2Day)である、と私たちは主張する。
本論文は、夜間監視研究を支援する6つのシーンを含む、NightSuRと呼ばれる新しい監視データセットに貢献する。
論文 参考訳（メタデータ） (2023-07-11T06:40:27Z) - Boosting Night-time Scene Parsing with Learnable Frequency [53.05778451012621]
NTSP(Night-Time Scene Parsing)は多くの視覚アプリケーション、特に自律運転に必須である。
既存の手法のほとんどは日中シーン解析のために提案されている。
提案手法は,NightCity,NightCity+およびBDD100K-nightデータセットの最先端手法に対して良好に動作することを示す。
論文 参考訳（メタデータ） (2022-08-30T13:09:59Z) - GPS-GLASS: Learning Nighttime Semantic Segmentation Using Daytime Video
and GPS data [15.430918080412518]
特に夜間セマンティックセグメンテーションは、注釈付き夜間画像の欠如により困難である。
夜間セマンティックセグメンテーションのための新しいGPSベースのトレーニングフレームワークを提案する。
実験により,複数の夜間セマンティックセグメンテーションデータセットにおける提案手法の有効性が示された。
論文 参考訳（メタデータ） (2022-07-27T05:05:04Z) - Unsupervised Domain Adaptation for Nighttime Aerial Tracking [27.595253191781904]
本研究は、夜間航空追跡のための新しい教師なしドメイン適応フレームワークを開発する。
ユニークなオブジェクト発見アプローチが提供され、生の夜間追跡ビデオからトレーニングパッチを生成する。
Transformerの昼夜の特徴判別器では、昼夜追跡モデルは夜間追跡のために逆向きに訓練される。
論文 参考訳（メタデータ） (2022-03-20T12:35:09Z) - DANNet: A One-Stage Domain Adaptation Network for Unsupervised Nighttime
Semantic Segmentation [18.43890050736093]
夜間セマンティックセグメンテーションのための新しいドメイン適応ネットワーク(DANNet)を提案する。
ラベル付きデイタイムデータセットとラベルなしデータセットを備えた敵対的なトレーニングを採用している。
本手法は,夜間セマンティックセグメンテーションにおける最新性能を実現する。
論文 参考訳（メタデータ） (2021-04-22T02:49:28Z) - Map-Guided Curriculum Domain Adaptation and Uncertainty-Aware Evaluation
for Semantic Nighttime Image Segmentation [107.33492779588641]
夜間アノテーションを使わずに,日毎のセマンティックセマンティックセマンティクスモデルを適用するためのカリキュラムフレームワークを開発した。
また、夜間画像のセマンティクスの実質的不確実性に対処するための新しい評価フレームワークを設計する。
論文 参考訳（メタデータ） (2020-05-28T16:54:38Z) - Night-time Scene Parsing with a Large Real Dataset [67.11211537439152]
我々は,夜間シーン解析(NTSP)の問題に対処することを目指しており,主な課題が2つある。
夜間データの不足に対処するため、実夜間画像4,297枚からなる新しいラベル付きデータセット、NightCityを収集した。
また,NTSP問題に対処するための露出認識フレームワークを提案する。
論文 参考訳（メタデータ） (2020-03-15T18:11:34Z)
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。