論文の概要: CoralscapesV2: Panoptic and Fine-Grained Visual Scene Understanding in Coral Reefs
- arxiv url: http://arxiv.org/abs/2609.12826v1
- Date: Fri, 11 Sep 2026 13:23:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-15 07:38:31.756464
- Title: CoralscapesV2: Panoptic and Fine-Grained Visual Scene Understanding in Coral Reefs
- Title（参考訳）: CoralscapesV2:サンゴ礁における光学的・微視的視覚的シーン理解
- Abstract要約: CoralscapesV2は、サンゴ礁の汎用的な視覚的シーン理解のためのCoralscapesデータセットの拡張である。
65kの網羅的な魚のインスタンスのマスクのアノテーションが提供され、ビデオを使って細心の注意を払って完ぺきに注釈を付ける。
これはサンゴ礁におけるサンゴ礁の汎視的セグメンテーションのための最初のデータセットであり、野生の広い範囲のシナリオを捉えている。
- 参考スコア（独自算出の注目度）: 9.002911991534415
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: In order to design conservation and restoration strategies to counter the global decline of coral reefs, ecological monitoring of reefs needs to be scaled up dramatically. Computer vision methods are increasingly used to tackle the vast amount of data: as the paradigm of data collection in reefs shifts from highly standardized and constrained survey images to unconstrained imagery on scalable platforms, it is necessary to design machine learning methods that help to get a fine-grained understanding of reefs from general-purpose reef imagery. This paper provides CoralscapesV2, an extension of the Coralscapes dataset for general-purpose visual scene understanding in reefs. CoralscapesV2 increases the dataset size, scope, label completeness and quality for semantic segmentation, and extends the number of classes from 39 to 95 fine-grained visual categories. Furthermore, CoralscapesV2 provides 65k exhaustive fish instance mask annotations, meticulously annotated to completeness by using the video, revealing that annotation of fish based on only static images is insufficient. CoralscapesV2 is the first dataset for panoptic segmentation in coral reefs, capturing a wide range of scenarios in the wild, posing a challenging benchmark for contemporary semantic segmentation and instance segmentation models. CoralscapesV2 is an important step towards general-purpose panoptic segmentation in coral reefs, which has substantial implications for scaling up coral reef monitoring, as it can be employed in a wide range of applications from benthic cover mapping from robot or handheld videos to designing methods for automated quantification and understanding of fish behavior and fish-reef interactions.
- Abstract（参考訳）: サンゴ礁の世界的な衰退に対応するため,保全・修復戦略を設計するためには,サンゴ礁の生態モニタリングを劇的にスケールアップする必要がある。
リーフにおけるデータ収集のパラダイムが、高度に標準化され制約されたサーベイイメージからスケーラブルなプラットフォーム上の制約のないイメージへとシフトするにつれ、汎用リーフイメージからリーフの詳細な理解を得るのに役立つ機械学習手法を設計する必要がある。
本稿では,サンゴ礁における汎用視覚環境理解のためのCoralscapesデータセットの拡張であるCoralscapesV2を提案する。
CoralscapesV2は、セマンティックセグメンテーションのためのデータセットのサイズ、スコープ、ラベルの完全性、品質を高め、クラス数を39から95に拡大する。
さらに、CoralscapesV2は、65kの網羅的な魚のインスタンスマスクアノテーションを提供し、ビデオを使用することで、完璧に注釈付けされ、静止画像のみに基づく魚のアノテーションが不十分であることを明らかにする。
CoralscapesV2はサンゴ礁におけるサンゴ礁の汎視的セグメンテーションのための最初のデータセットであり、野生の幅広いシナリオを捉え、現代のセグメンテーションとインスタンスセグメンテーションモデルの挑戦的なベンチマークを描いている。
CoralscapesV2はサンゴ礁の一般的な汎視的セグメンテーションに向けた重要なステップであり、サンゴ礁のモニタリングのスケールアップに重要な意味を持ち、ロボットやハンドヘルドビデオからのベントックカバーマッピングから、魚介類の行動と魚介類の相互作用の自動定量化と理解のための設計方法に至るまで、幅広い用途に利用することができる。
関連論文リスト
- Exploring the Underwater World Segmentation without Extra Training [55.291219073365546]
我々は,最初の大規模かつ微細な水中セグメンテーションデータセットである textbfAquaOV255 を紹介する。
トレーニング不要なOVセグメンテーションフレームワークである textbfEarth2Ocean も紹介する。
論文 参考訳（メタデータ） (2025-11-11T07:22:56Z) - UWBench: A Comprehensive Vision-Language Benchmark for Underwater Understanding [54.16709436340606]
視覚言語モデル(VLM)は自然界の理解において顕著な成功を収めた。
水中画像は、厳しい光の減衰、色歪み、懸濁粒子散乱などの固有の課題を呈している。
水中視覚言語理解のためのベンチマークであるUWBenchを紹介する。
論文 参考訳（メタデータ） (2025-10-21T03:32:15Z) - Expose Camouflage in the Water: Underwater Camouflaged Instance Segmentation and Dataset [76.92197418745822]
カモフラージュされたインスタンスセグメンテーション(CIS)は、周囲と密接に融合したオブジェクトを正確にセグメンテーションする際の大きな課題に直面します。
従来のカモフラージュされたインスタンスセグメンテーション法は、水中のサンプルが限られている地球上で支配的なデータセットに基づいて訓練されており、水中のシーンでは不十分な性能を示す可能性がある。
本研究は,海中カモフラージュされた海洋生物の3,953枚の画像とインスタンスレベルのアノテーションを含む,最初の水中カモフラージュされたインスタンスセグメンテーションデータセットUCIS4Kを紹介する。
論文 参考訳（メタデータ） (2025-10-20T14:34:51Z) - No Mesh, No Problem: Estimating Coral Volume and Surface from Sparse Multi-View Images [45.20850219249498]
有効なサンゴ礁のモニタリングには、正確な体積と表面積の推定によるサンゴの成長の定量化が必要である。
本稿では,2次元マルチビューRGB画像からサンゴのような物体の3次元体積と表面積を予測することによって,この問題に対処する,新しい,軽量でスケーラブルな学習フレームワークを提案する。
このフレームワークは、スパース画像から効率よくスケーラブルなサンゴの形状を推定する方法を開拓し、サンゴの成長分析やサンゴのモニタリングに応用できる可能性がある。
論文 参考訳（メタデータ） (2025-09-14T08:52:01Z) - The point is the mask: scaling coral reef segmentation with weak supervision [1.4286124121075066]
ドローンによる空中画像は広い空間範囲を提供するが、その解像度の制限により、サンゴ型のような微細なクラスを確実に区別することは困難である。
本研究では,水中画像から航空データへ微細な生態情報を転送することで,この課題に対処する,マルチスケールの弱教師付きセマンティックセマンティックセマンティックセマンティクスフレームワークを提案する。
本研究では,低コストデータ収集,弱教師付き深層学習,マルチスケールリモートセンシングを組み合わせた高解像度リーフモニタリングのためのスケーラブルで費用対効果の高い手法を提案する。
論文 参考訳（メタデータ） (2025-08-26T11:58:50Z) - CoralVQA: A Large-Scale Visual Question Answering Dataset for Coral Reef Image Understanding [15.528677269203046]
CoralVQAはサンゴ礁分析のための最初の大規模データセットである。
3つの海から収集された67のサンゴ属の現実世界のサンゴ画像12,805枚を含む。
サンゴ礁画像の文脈で視覚言語推論を研究するためのベンチマークを提供する。
論文 参考訳（メタデータ） (2025-07-14T16:29:10Z) - The Coralscapes Dataset: Semantic Scene Understanding in Coral Reefs [12.535323016915122]
本研究はサンゴ礁において,2075のイメージ,39のベントニッククラス,174kのセグメンテーションマスクを含む汎用的なセグメンテーションデータセットを初めて公開する。
我々は、幅広いセマンティックセグメンテーションモデルをベンチマークし、Coralscapesから既存の小さなデータセットへの変換学習が一貫して最先端のパフォーマンスをもたらすことを発見した。
Coralscapesは、コンピュータビジョンに基づく効率よくスケーラブルで標準化されたサンゴ礁の調査方法の研究を触媒し、水中の生態学ロボットの開発を効率化する可能性を秘めている。
論文 参考訳（メタデータ） (2025-03-25T18:33:59Z) - Image-Based Relocalization and Alignment for Long-Term Monitoring of Dynamic Underwater Environments [57.59857784298534]
本稿では,視覚的位置認識(VPR),特徴マッチング,画像分割を組み合わせた統合パイプラインを提案する。
本手法は, 再検討領域のロバスト同定, 剛性変換の推定, 生態系変化の下流解析を可能にする。
論文 参考訳（メタデータ） (2025-03-06T05:13:19Z) - CoralSCOP-LAT: Labeling and Analyzing Tool for Coral Reef Images with Dense Mask [20.267378309290116]
CoralSCOP-LATはサンゴのイメージ分析とラベル付けツールで、サンゴの領域を自動的に分割し分析する。
評価の結果,CoralSCOP-LATは時間効率,精度,精度,柔軟性の観点から既存のサンゴ礁解析ツールを上回っていることがわかった。
論文 参考訳（メタデータ） (2024-10-27T13:26:44Z) - Scalable Semantic 3D Mapping of Coral Reefs with Deep Learning [4.8902950939676675]
本稿では,エゴモーション映像から水中環境をマッピングするための新しいパラダイムを提案する。
前例のない規模で高精度な3Dセマンティックマッピングを行い,作業コストを大幅に削減した。
本手法は,サンゴ礁のサンゴ礁モニタリングを飛躍的にスケールアップする。
論文 参考訳（メタデータ） (2023-09-22T11:35:10Z) - Towards Generating Large Synthetic Phytoplankton Datasets for Efficient
Monitoring of Harmful Algal Blooms [77.25251419910205]
有害な藻類(HAB)は養殖農場で重大な魚死を引き起こす。
現在、有害藻や他の植物プランクトンを列挙する標準的な方法は、顕微鏡でそれらを手動で観察し数えることである。
合成画像の生成にはGAN(Generative Adversarial Networks)を用いる。
論文 参考訳（メタデータ） (2022-08-03T20:15:55Z)
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。