論文の概要: Forward-Facing Near-Infrared Adds Little to Colour for Farm-Machinery Traversability: A Site-Disjoint Evaluation of Sensor-Dependent Spatial Leakage
- arxiv url: http://arxiv.org/abs/2609.13265v1
- Date: Mon, 07 Sep 2026 16:02:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.152143
- Title: Forward-Facing Near-Infrared Adds Little to Colour for Farm-Machinery Traversability: A Site-Disjoint Evaluation of Sensor-Dependent Spatial Leakage
- Title（参考訳）: 前向き近赤外は農業用トレーサビリティにはほとんど色を付けない:センサ依存型空間リークのサイト・ディジョイントによる評価
- Abstract要約: 近赤外(NIR)イメージングは、昼間の農業旅行性において標準カラーカメラより一貫して優れているわけではない。
以前のベンチマークでは、特に水田境界セグメンテーションが困難であった。
昼間の農業用車両のセンサースイートに、前方のNIRカメラを加えることは、まだ証明されていない。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Near-infrared (NIR) imaging does not consistently outperform standard color cameras for daytime agricultural traversability once spatial data leakage is eliminated. Prior benchmarks suggesting an NIR advantage used sequence-level splits that permitted spatially autocorrelated imagery into test sets, artificially inflating NIR performance, especially on difficult paddy-boundary segmentation. When evaluated across strictly held-out recording sites using the AI Hub autonomous driving corpus, none of the four tested configurations (color, NIR, a luminance control, or their fusion) reliably surpasses standard color across any of the five traversability classes. Furthermore, apparent performance gains observed at a single held-out site completely fail to replicate when the held-out site is rotated, demonstrating that the observed benefits were site-specific artifacts rather than generalizable improvements. Correcting for spatial leakage erases the apparent lead of NIR entirely rather than uniformly degrading performance across all sensor types. Consequently, adding a forward-facing NIR camera to a daylight agricultural vehicle sensor suite remains unproven, and evaluations compromised by location leakage risk distorting sensor rankings and misleading procurement decisions.
- Abstract（参考訳）: 近赤外(NIR)イメージングは、空間データ漏洩が除去された後、昼間の農業旅行性のために標準カラーカメラより一貫して優れているわけではない。
NIRの優位性を示す以前のベンチマークでは、特に困難な水田境界セグメンテーションにおいて、空間的自己相関画像をテストセットに含め、人工的にNIR性能を膨らませるシーケンスレベルの分割が用いられていた。
AI Hubの自律走行コーパスを使用して厳格に保持された記録サイトで評価されると、テストされた4つの構成(色、NIR、輝度制御、およびそれらの融合)は、5つのトラバーサビリティクラスのいずれかの標準色を確実に上回らない。
さらに, 1つの保留サイトにおいて観測された明らかな性能向上は, 保留サイトを回転させると完全に複製できない。
空間リークの補正は、すべてのセンサタイプで一様に性能を低下させるのではなく、NIRの明らかなリードを完全に消去する。
その結果、日光の農業用車両センサスイートに前方カメラを付加することは証明されず、センサランキングを歪ませる位置漏洩リスクと不正な調達決定によって評価が損なわれる。
関連論文リスト
- Toward Robust and 3D-Aware RGB-NIR Imaging in the Dark [68.49637363691325]
本稿では,RGB-NIR低照度画像に3次元ニューラルモデリングを取り入れた新しい視点を提供する。
強力なモデルは、暗黙的に非常にノイズの多いRGB観測を3次元空間でNIRキューで融合させ、クリーンなRGBイメージを効果的に回収するために最適化することができる。
論文 参考訳（メタデータ） (2026-07-31T17:59:18Z) - LER-YOLO: Reliability-Aware Expert Routing for Misaligned RGB-Infrared UAV Detection [6.816296803605649]
LER-YOLOは、RGB赤外線UAV検出のための、信頼性に配慮したスパース・オブ・エキスパート・フレームワークである。
YOLOv5s- familyプロトコルの下での公開MBUベンチマークの実験では、LER-YOLOは3つの独立種子に対して89.7 +/-0.2% AP50を達成し、89.9%の最高結果が得られた。
論文 参考訳（メタデータ） (2026-05-20T03:33:13Z) - RAWild: Sensor-Agnostic RAW Object Detection via Physics-Guided Curve and Grid Modeling [69.96407948879015]
textbfRAWildは、センサに依存しないRAWオブジェクト検出のための物理誘導型グローバルローカルトーンマッピングフレームワークである。
我々は、様々なスペクトル感度、照度、センサ非理想性にまたがるリアルなセンサ出力を合成する物理ベースのRAWシミュレーションパイプラインを構築した。
論文 参考訳（メタデータ） (2026-05-07T09:51:47Z) - Towards All-Day Perception for Off-Road Driving: A Large-Scale Multispectral Dataset and Comprehensive Benchmark [14.038383477789603]
IRONは、オールデイ条件下での時間的自由空間検出のための最初の大規模な赤外線データセットである。
IRONetは時間的自由空間検出のための新しいフローフリーフレームワークである。
論文 参考訳（メタデータ） (2026-04-30T06:50:25Z) - RASMD: RGB And SWIR Multispectral Driving Dataset for Robust Perception in Adverse Conditions [0.3141085922386211]
短波長赤外線(SWIR)イメージングは、NIRとLWIRに対していくつかの利点がある。
現在の自律走行アルゴリズムは可視光スペクトルに大きく依存しており、悪条件下での性能劣化を招きやすい。
RGB と SWIR のマルチスペクトル駆動データセットを導入し,RGB-SWIR 画像ペアの同期化と空間整合化を実現した。
論文 参考訳（メタデータ） (2025-04-10T09:54:57Z) - 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) - Hybrid Attention for Robust RGB-T Pedestrian Detection in Real-World Conditions [12.029298456323835]
近年,特に自動運転の分野では,多スペクトル歩行者検出が注目されている。
対向照明条件による課題に対処するため、熱画像と可視画像の組み合わせは、その利点を実証した。
既存の融合法は、RGB-Thermal (RGB-T) 画像対が完全に重複しているという批判的な仮定に依存している。
実世界のアプリケーションにおける推論時に発生する部分重なりとセンサ故障に対して頑健なRGB-T融合アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-11-06T00:34:26Z) - Polarimetric Imaging for Perception [3.093890460224435]
我々は、RGB偏光カメラを用いた知覚タスクの改善の可能性を分析する。
我々は、最先端のディープニューラルネットワークを用いて、両者にとって定量化された改善が達成可能であることを示す。
論文 参考訳（メタデータ） (2023-05-24T06:42:27Z) - Learning Enriched Illuminants for Cross and Single Sensor Color
Constancy [182.4997117953705]
ネットワークをトレーニングするためのクロスセンサ自己教師型トレーニングを提案する。
センサに依存しない方法で人工発光体をランダムにサンプリングすることでネットワークを訓練する。
実験により、我々のクロスセンサモデルとシングルセンサーモデルは、他の最先端手法よりも大きなマージンで優れていることが示された。
論文 参考訳（メタデータ） (2022-03-21T15:45:35Z) - Learning Camera Miscalibration Detection [83.38916296044394]
本稿では,視覚センサ,特にRGBカメラの誤校正検出を学習するためのデータ駆動型アプローチに焦点を当てた。
コントリビューションには、RGBカメラの誤校正基準と、この基準に基づく新しい半合成データセット生成パイプラインが含まれる。
深層畳み込みニューラルネットワークをトレーニングすることにより、カメラ固有のパラメータの再校正が必要か否かを判断するパイプラインの有効性を実証する。
論文 参考訳（メタデータ） (2020-05-24T10:32:49Z)
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。