論文の概要: Beyond Pixel Similarity: Task-Aware Evaluation of GAN-Based Synthetic Sonar Data for Robotic Perception

• arxiv url: http://arxiv.org/abs/2609.18100v1
• Date: Wed, 16 Sep 2026 04:08:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.63041
• Title: Beyond Pixel Similarity: Task-Aware Evaluation of GAN-Based Synthetic Sonar Data for Robotic Perception
• Title（参考訳）: 画素類似性を超えて:ロボット知覚のためのGANに基づく合成ソナーデータのタスク認識評価
• Abstract要約: GAN生成した合成ソナーデータの下流知覚性能を,画像の忠実度測定値が適切に反映するかどうかを検討する。 我々は、異なる受容場を特徴とする4つの識別器構成を持つPix2Pix条件生成対向ネットワークを用いている。 これらの画素レベルの測定をタスク指向評価で補完するために、YOLOX-S、YOLOX-L、Faster R-CNN検出器は、実際のソナー画像のみに基づいて訓練されている。
• 参考スコア（独自算出の注目度）: 1.6804564232003008
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Synthetic data can reduce the cost of collecting and annotating training data for robotic perception, but generating sensor observations that preserve the characteristics relevant to downstream perception remains challenging, particularly for sonar imagery. In this work, we investigate whether conventional image-fidelity metrics adequately reflect the downstream perception performance of GAN-generated synthetic sonar data. We employ a Pix2Pix conditional generative adversarial network with four discriminator configurations characterized by different receptive fields: PixelGAN, PatchGAN-16, PatchGAN-70, and ImageGAN. The models are trained using sonar imagery from two datasets and evaluated using conventional image-fidelity metrics, including Structural Similarity Index (SSIM), Peak Signal-to-Noise Ratio (PSNR), and Mean Squared Error (MSE). To complement these pixel-level measures with task-oriented evaluation, YOLOX-S, YOLOX-L, and Faster R-CNN detectors are trained exclusively on real sonar imagery and subsequently evaluated on the GAN-generated images using identical test samples and annotations across all discriminator configurations. The results reveal a discrepancy between image-fidelity and downstream object-detection performance: the configuration achieving the best SSIM, PSNR, and MSE does not consistently yield the best detection performance. In particular, PatchGAN configurations achieve strong downstream detection results despite not achieving the highest pixel-level similarity scores. These findings suggest, for the datasets and models considered, pixel-level image-fidelity metrics alone may not consistently capture the task-relevant realism of synthetic sonar observations and motivate the use of task-aware evaluation for synthetic sensor data intended for robotic perception.
• Abstract（参考訳）: 合成データは、ロボット知覚のためのトレーニングデータの収集と注釈付けのコストを削減することができるが、特にソナー画像において、下流の知覚に関連する特性を保存するセンサ観測を生成することは困難である。 本研究では,GAN生成した合成ソナーデータの下流知覚性能を,従来の画像忠実度測定値が適切に反映しているかどうかを検討する。 我々は,PixelGAN,PatchGAN-16,PatchGAN-70,ImageGANの4種類の識別器構成を特徴とするPix2Pix条件生成対向ネットワークを採用している。 これらのモデルは、2つのデータセットからのソナー画像を用いて訓練され、構造類似度指数(SSIM)、ピーク信号対雑音比(PSNR)、平均正方形誤差(MSE)などの従来の画像忠実度指標を用いて評価される。 これらの画素レベルの測定をタスク指向評価で補完するため、YOLOX-S、YOLOX-L、Faster R-CNN検出器は、実ソナー画像のみに基づいて訓練され、その後、同一のテストサンプルと全識別器構成のアノテーションを用いて、GAN生成画像上で評価される。 その結果、画像の忠実度と下流の物体検出性能の相違が明らかとなり、最高のSSIM、PSNR、MSEを実現する構成は、常に最高の検出性能を得るわけではない。 特に、PatchGAN構成は、最高画素レベルの類似度スコアを達成していないにもかかわらず、強力な下流検出結果を得る。 これらの結果から, 画素レベルの画像忠実度測定だけでは, 合成ソナー観測のタスク関連リアリズムを常に捉えることができず, ロボット知覚を目的とした合成センサデータに対するタスク認識評価の利用を動機づける可能性が示唆された。

関連論文リスト

• Explaining raw data complexity to improve satellite onboard processing [0.815557531820863]
  本研究では,物体検出および分類タスクの深層学習モデルに対する生データの利用効果について検討した。 2つのオブジェクト検出モデル(YOLOv11nとYOLOX-S)は、生データとL1データセットの両方でトレーニングされる。 その結果,両モデルが低信頼度,中信頼度でも同様に機能する一方で,生データに基づいてトレーニングしたモデルでは,高い信頼度でオブジェクト境界の識別に苦慮していることがわかった。
  論文  参考訳（メタデータ） (2025-10-08T10:26:02Z)
• Dual Data Alignment Makes AI-Generated Image Detector Easier Generalizable [57.48190915067007]
  検出器はしばしばバイアス付きデータセットに基づいて訓練され、実際の/合成ラベルと突発的に相関する非因果属性に過度に適合する可能性がある。 1つの一般的な解決策は、生成的再構成を通じてデータセットアライメントを実行し、実画像と合成画像のセマンティック内容とを一致させることである。 我々は,画素レベルのアライメントだけでは不十分であることを示す。再構成された画像は依然として周波数レベルの不整合に悩まされており,スプリアス相関が持続する可能性がある。
  論文  参考訳（メタデータ） (2025-05-20T13:42:38Z)
• Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
  顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。 本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。 本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
  論文  参考訳（メタデータ） (2024-11-28T13:04:45Z)
• Revisiting the Evaluation of Image Synthesis with GANs [55.72247435112475]
  本研究では, 合成性能の評価に関する実証的研究を行い, 生成モデルの代表としてGAN(Generative Adversarial Network)を用いた。 特に、表現空間におけるデータポイントの表現方法、選択したサンプルを用いた公平距離の計算方法、各集合から使用可能なインスタンス数など、さまざまな要素の詳細な分析を行う。
  論文  参考訳（メタデータ） (2023-04-04T17:54:32Z)
• Deep Semantic Statistics Matching (D2SM) Denoising Network [70.01091467628068]
  本稿では,Deep Semantic Statistics Matching (D2SM) Denoising Networkを紹介する。 事前訓練された分類ネットワークの意味的特徴を利用して、意味的特徴空間における明瞭な画像の確率的分布と暗黙的に一致させる。 識別画像のセマンティックな分布を学習することで,ネットワークの認知能力を大幅に向上させることを実証的に見出した。
  論文  参考訳（メタデータ） (2022-07-19T14:35:42Z)
• NeighCNN: A CNN based SAR Speckle Reduction using Feature preserving Loss Function [1.7188280334580193]
  NeighCNNは、乗法ノイズを処理するディープラーニングベースのスペックル削減アルゴリズムである。 様々な合成、および実際のSAR画像は、NeighCNNアーキテクチャのテストに使用される。
  論文  参考訳（メタデータ） (2021-08-26T04:20:07Z)
• Label Geometry Aware Discriminator for Conditional Generative Networks [40.89719383597279]
  条件付きGenerative Adversarial Networks(GAN)は、目的のターゲットクラスで高画質の画像を生成することができます。 これらの合成画像は、画像分類などの下流監督タスクを改善するために必ずしも役に立たない。
  論文  参考訳（メタデータ） (2021-05-12T08:17:25Z)

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。