論文の概要: Shape-Aware Oriented Bounding Box (OBB) to Horizontal Bounding Box (HBB) Conversion

• arxiv url: http://arxiv.org/abs/2608.05858v1
• Date: Thu, 06 Aug 2026 10:39:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 17:43:06.740561
• Title: Shape-Aware Oriented Bounding Box (OBB) to Horizontal Bounding Box (HBB) Conversion
• Title（参考訳）: 形状対応配向バウンディングボックス(OBB)と水平バウンディングボックス(HBB)変換
• Abstract要約: 本稿では,リモートセンシング画像における船体検出のための形状認識型OBB-to-HBB変換手法を提案する。 船体形状、船体フルネス、およびバウンディングボックスの向きを利用して、より厳密な軸方向のHBB表現を生成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Accurate object detection in aerial and satellite imagery is dependent upon the bounding box representation. This is especially true for spatially oriented objects such as ships or aircrafts. Oriented Bounding Boxes (OBB) have a tighter fit and more robust non-max suppression compared to Horizontal Bounding Boxes (HBB), any current post-processing conversion from OBB to HBB either introduces excess empty and background space or removes data from the detection. This paper introduces a novel approach for a shape-aware OBB-to-HBB conversion for ship detection in remote sensing imagery. It leverages hull shape, hull fullness, and the bounding box orientation to produce a tighter axis-aligned HBB representation. The proposed method is benchmarked against three baselines methods for OBBto-HBB conversion, Outer HBB which uses minimum and maximum, Area Equivalent HBB and GBB Marginalized HBB.
• Abstract（参考訳）: 航空・衛星画像における正確な物体検出は、境界ボックス表現に依存する。 これは特に船や航空機のような空間指向の物体に当てはまる。 オブジェクト指向バウンディングボックス(OBB)は、水平バウンディングボックス(HBB)と比較して、より密着性が高く、より堅牢な非最大抑制を備えており、現在のOBBからHBBへの後処理変換は、余剰な空白と背景空間を導入するか、あるいは検出からデータを取り除くかのいずれかである。 本稿では,リモートセンシング画像における船体検出のための形状認識型OBB-to-HBB変換手法を提案する。 船体形状、船体フルネス、およびバウンディングボックスの向きを利用して、より厳密な軸方向のHBB表現を生成する。 提案手法は, OBBto-HBB変換のための3つのベースライン法, 最小値と最大値を使用するOuter HBB, エリア等価HBB, GBBMarginalized HBBに対してベンチマークを行った。

関連論文リスト

• OBBSeg: Irregular Lesion Segmentation under Oriented Bounding Box Annotations [39.20764383264761]
  OBBSeg は Oriented Bounding Boxes (OBBs) が指導する中間監視パラダイムであり、完全な監督と弱い監督のギャップを埋める。 5つの画像モダリティにわたる13のデータセットの実験において、OBBSegは完全な教師付きアプローチに匹敵するパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-07-07T08:48:22Z)
• LightSBB-M: Bridging Schrödinger and Bass for Generative Diffusion Modeling [35.18016233072556]
  数回の反復で最適なSBB輸送計画を計算するアルゴリズムであるLightSBB-Mを導入する。 合成データセット上では,LightSBB-Mが最も低い2-ワッサーシュタイン距離が得られることを示す。 また,画像から画像への翻訳作業におけるフレームワークの生成能力についても述べる。
  論文  参考訳（メタデータ） (2026-01-27T07:50:59Z)
• Rethinking the Encoding and Annotating of 3D Bounding Box: Corner-Aware 3D Object Detection from Point Clouds [69.84768614060559]
  中心方向の回帰はLiDARベースの3Dオブジェクト検出において依然として支配的だが、基本的な不安定さに悩まされている。 本稿では,予測対象を不安定な中心から幾何学的情報的コーナーへシフトするコーナーアライン回帰を提案する。 我々は、既存の検出器に差し込むことができる、シンプルで効果的なコーナー認識検出ヘッドを設計する。
  論文  参考訳（メタデータ） (2025-11-18T13:49:30Z)
• PointOBB: Learning Oriented Object Detection via Single Point Supervision [55.88982271340328]
  本稿では,オブジェクト指向物体検出のための最初の単一点ベース OBB 生成法である PointOBB を提案する。 PointOBBは、オリジナルビュー、リサイズビュー、ローテーション/フリップ(rot/flp)ビューの3つのユニークなビューの協調利用を通じて動作する。 DIOR-RとDOTA-v1.0データセットの実験結果は、PointOBBが有望な性能を達成することを示す。
  論文  参考訳（メタデータ） (2023-11-23T15:51:50Z)
• OPA-3D: Occlusion-Aware Pixel-Wise Aggregation for Monocular 3D Object Detection [51.153003057515754]
  OPA-3Dは、Occlusion-Aware Pixel-Wise Aggregationネットワークである。 密集した風景深度と、奥行きのある箱残量と物の境界箱を共同で推定する。 メインカーのカテゴリーでは最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2022-11-02T14:19:13Z)
• H2RBox: Horizonal Box Annotation is All You Need for Oriented Object Detection [63.66553556240689]
  オブジェクト指向物体検出は、空中画像から自律運転に至るまで、多くの用途に現れる。 多くの既存の検出ベンチマークには水平バウンディングボックスがアノテートされているが、これはきめ細かな回転ボックスよりもコストが低い。 本稿では,H2RBoxと呼ばれる単純なオブジェクト指向検出手法を提案する。
  論文  参考訳（メタデータ） (2022-10-13T05:12:45Z)
• On Robust Cross-View Consistency in Self-Supervised Monocular Depth Estimation [56.97699793236174]
  本論文では,2種類の堅牢なクロスビュー整合性について検討する。 深度特徴空間と3次元ボクセル空間の時間的コヒーレンスを自己教師付き単眼深度推定に利用した。 いくつかのアウトドアベンチマークの実験結果から,本手法は最先端技術より優れていることが示された。
  論文  参考訳（メタデータ） (2022-09-19T03:46:13Z)
• Learning Polar Encodings for Arbitrary-Oriented Ship Detection in SAR Images [22.93997487064683]
  oriented bounding box (obb) に基づく手法は研究者から徐々に注目を集めている。 最近提案された深層学習に基づくOBB検出手法のほとんどは、角度やキーポイント回帰における境界不連続問題に遭遇する。 本稿では,極性符号化を学習し,SAR船の検出を提案する。
  論文  参考訳（メタデータ） (2021-03-24T12:52:54Z)
• PIoU Loss: Towards Accurate Oriented Object Detection in Complex Environments [33.27663718573774]
  オブジェクト指向バウンディングボックス(OBB)は、背景領域との重なりを小さくすることで、回転オブジェクトをよりターゲットにすることができる。 既存のOBBアプローチは主に、距離損失に最適化された追加次元を導入することで、水平境界ボックス検出器上に構築されている。 新たな損失である Pixels-IoU (PIoU) Loss は、正確なOBB回帰のために角度とIoUの両方を利用するように定式化されている。
  論文  参考訳（メタデータ） (2020-07-19T03:51:59Z)
• Dive Deeper Into Box for Object Detection [49.923586776690115]
  そこで我々は,より正確な位置決めを行うために,ボックスに深く潜り込むことができるボックス再構成手法(DDBNet)を提案する。 実験結果から,本手法はオブジェクト検出の最先端性能に寄与する可能性が示唆された。
  論文  参考訳（メタデータ） (2020-07-15T07:49:05Z)

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。

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。