論文の概要: Bridge Damage Detection from Low-Light UAV Imagery via Degradation-Aware Mixture-of-Experts Enhancement
- arxiv url: http://arxiv.org/abs/2608.23136v1
- Date: Mon, 24 Aug 2026 11:42:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:44.036263
- Title: Bridge Damage Detection from Low-Light UAV Imagery via Degradation-Aware Mixture-of-Experts Enhancement
- Title（参考訳）: 劣化認識による低照度UAV画像からの橋梁損傷検出
- Abstract要約: 貧弱な照明は、UAVブリッジ画像の小さな低コントラスト欠陥を曖昧にし、自動検査の信頼性と操作性を減らす。
本稿では, 劣化認識画像復元が低光環境下での橋梁損傷検出と, 合成劣化から実検現場への移動を改善できるかどうかについて検討する。
ISPを意識した低光合成パイプラインでトレーニングされた検出器非依存の復元フロントエンドであるDaL-MoEを提案する。
- 参考スコア（独自算出の注目度）: 7.7452074807686095
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Poor illumination obscures small, low-contrast defects in UAV bridge imagery, reducing the reliability and operational flexibility of automated inspection. This paper investigates whether degradation-aware image restoration can improve bridge damage detection under low-light conditions and transfer from synthetic degradations to real inspection scenes. We propose DaL- MoE, a detector-agnostic restoration front end trained with an ISP-aware low-light synthesis pipeline and equipped with degradation-aware guidance estimation and complementary experts for noise suppression, color adjustment, and structural-detail recovery. On paired synthetic data, DaL-MoE achieves 23.12 dB PSNR and 0.8482 SSIM, increasing YOLOv11m box mAP50 from 0.3097 to 0.4923 and mask mAP50 from 0.2281 to 0.3529. On real low-light UAV imagery without paired normal-light references, sim-to-real evaluation shows improved defect visibility and more complete detections than direct inference on raw low-light inputs. Future work will develop low-light-aware bridge damage detectors with stronger cross-scene generalization across bridge sites, imaging conditions, and illumination levels.
- Abstract（参考訳）: 貧弱な照明は、UAVブリッジ画像の小さな低コントラスト欠陥を曖昧にし、自動検査の信頼性と操作性を減らす。
本稿では, 劣化認識画像復元が低光環境下での橋梁損傷検出と, 合成劣化から実検現場への移動を改善できるかどうかについて検討する。
ISPを意識した低光合成パイプラインでトレーニングされた検出器非依存の復元フロントエンドであるDaL-MoEを提案する。
ペア合成データでは、DaL-MoEは23.12dB PSNRと0.8482 SSIMを達成し、YOLOv11mのmAP50を0.3097から0.4923に増加させ、マスクmAP50を0.2281から0.3529に増加させた。
実低照度UAV画像において、ペアの標準照度のない実低照度UAV画像において、sim-to-real評価により、生の低照度入力に対する直接推測よりも、欠陥の可視性と完全な検出が改善された。
今後,橋梁を横断する強力なクロスシーン一般化,撮像条件,照明レベルを備えた低照度橋梁損傷検知装置の開発が予定されている。
関連論文リスト
- Robust Cross-Modal Foundation Model Perception for Underwater Robots under Degraded Visual Conditions [3.2150654072618976]
重度劣化下のソナーで事前学習した視覚基盤モデル表現を補完できるかどうかを検討する。
我々は、凍結したDINOv2をビジュアルエンコーダとして使用し、クリーンな視覚状態から極端な視覚状態まで、制御された5レベルベンチマークを構築した。
本手法は, 可視およびソナーエンコーダの凍結を保ちながら, 完全な劣化範囲にわたって融合機構を訓練することにより, 予め訓練した背骨を微調整することなく, 適応できる。
論文 参考訳（メタデータ） (2026-08-20T07:09:37Z) - NTIRE 2026 Low-light Enhancement: Twilight Cowboy Challenge [91.95860565442341]
コンペの目的は、低照度条件下で撮影された、未整合のスマートフォン画像のセットを、単一のクリーンな画像にマージすることであった。
10チームが確立されたベースラインを超え、PSNRでは+6.49 dB、SSIMでは+0.0101の改善を達成した。
その結果, 低照度環境における実環境騒音, 動き, 照度変動の処理において, 顕著な進展が認められた。
論文 参考訳（メタデータ） (2026-08-10T16:06:48Z) - Bright-Channel Retinex Enhancement with a Conditional Overdispered-Noise Analysis [0.0]
本稿では,局所的な光チャネル照明推定,レチネックス分割,エッジ保存脱雑音を併用した無トレーニング低照度化手法を提案する。
400X600の画像は、Apple M2 Pro CPU上で約43FPSで処理される。
論文 参考訳（メタデータ） (2026-08-10T05:30:48Z) - RMR-P: Road Metadata-Aware Restoration for Pavement Inspection [10.367537997337314]
車両に搭載されたカメラによって撮影された路面画像は、車両の動き、カメラの制限、環境条件の変化により、運動のぼやけ、デフォーカス、照明の悪さ、騒音によって劣化することが多い。
本稿では, 劣化道路画像から欠陥関連情報を復元するRMR-Pを提案する。
論文 参考訳（メタデータ） (2026-08-09T23:29:35Z) - When Extreme Darkness Meets Motion Blur: MeanFlow for Unified RAW Restoration [2.3881445172169085]
本稿では, 現実的な取得劣化下での高強度超低照度RAW向上のための枠組みを提案する。
我々の知る限り、これは現実的な運動劣化獲得の下で非常に低照度RAW向上を定式化した最初の試みである。
論文 参考訳（メタデータ） (2026-08-03T05:38:47Z) - A Task-Driven Evaluation of UAV Detection and Tracking under Synthetic Fog [4.675397149564289]
Fogは小型無人航空機(UAV)の視認性を大幅に低下させる。
本稿では,奥行き認識型合成霧発生,画像復元,追跡を関連づけたタスク駆動型評価フレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-06T07:06:37Z) - ExpoCM: Exposure-Aware One-Step Generative Single-Image HDR Reconstruction [60.873186669266836]
シングルイメージHDR再構成は,単一低ダイナミックレンジ(LDR)入力から高ダイナミックレンジの放射率を回復することを目的としている。
ExpoCMは,HDR再構成をPF-ODE(Probability Flow ODE)として再構成し,露出依存摂動による露出認識整合性トラジェクトリを構築する,新しい一段階のHDR再構成フレームワークである。
HDR-REAL、HDR-EYE、AIM2025ベンチマークの実験は、ExpoCMが最先端の忠実性を達成することを示した。
論文 参考訳（メタデータ） (2026-05-04T11:06:49Z) - Delving into Cascaded Instability: A Lipschitz Continuity View on Image Restoration and Object Detection Synergy [95.93943805282868]
リプシッツ規則化物体検出(LROD)
本稿では,リプシッツ規則化YOLO(LR-YOLO)を提案する。
ヘイズと低照度ベンチマークの実験では、LR-YOLOは検出安定性、最適化のスムーズさ、全体的な精度を一貫して改善している。
論文 参考訳（メタデータ） (2025-10-28T09:41:42Z) - Enhancing Infrared Vision: Progressive Prompt Fusion Network and Benchmark [58.61079960074608]
既存の赤外線画像強調法は、個々の劣化に対処することに焦点を当てている。
一般的にRGBセンサーに適用されるオールインワンエンハンスメント法は、有効性が制限されることが多い。
論文 参考訳（メタデータ） (2025-10-10T12:55:54Z) - Improving Lens Flare Removal with General Purpose Pipeline and Multiple
Light Sources Recovery [69.71080926778413]
フレアアーティファクトは、画像の視覚的品質と下流のコンピュータビジョンタスクに影響を与える。
現在の方法では、画像信号処理パイプラインにおける自動露光やトーンマッピングは考慮されていない。
本稿では、ISPを再検討し、より信頼性の高い光源回収戦略を設計することで、レンズフレア除去性能を向上させるソリューションを提案する。
論文 参考訳（メタデータ） (2023-08-31T04:58:17Z) - Diffusion in the Dark: A Diffusion Model for Low-Light Text Recognition [78.50328335703914]
ディフュージョン・イン・ザ・ダーク (Diffusion in the Dark, DiD) は、テキスト認識のための低照度画像再構成のための拡散モデルである。
実画像上での低照度テキスト認識において,Digital DiDがSOTAの低照度手法より優れていることを示す。
論文 参考訳（メタデータ） (2023-03-07T23:52:51Z) - Recurrent Exposure Generation for Low-Light Face Detection [113.25331155337759]
本稿では,Recurrent Exposure Generation (REG) モジュールと Multi-Exposure Detection (MED) モジュールを提案する。
REGは、様々な露光設定に対応する段階的かつ効率的な中間画像を生成する。
このような擬似露光はMEDによって融合され、異なる照明条件で顔を検出する。
論文 参考訳（メタデータ） (2020-07-21T17:30:51Z)
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。