論文の概要: A paired synthetic construction-site image dataset for robust computer vision under adverse conditions
- arxiv url: http://arxiv.org/abs/2609.24075v1
- Date: Mon, 21 Sep 2026 04:01:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-22 20:29:01.064371
- Title: A paired synthetic construction-site image dataset for robust computer vision under adverse conditions
- Title（参考訳）: 悪条件下での頑健なコンピュータビジョンのための合成合成現場画像データセット
- Abstract要約: 実世界の3,109シーンから抽出した34,199枚の画像を含む合成合成現場画像データセットについて述べる。
このデータセットは、降水量、霧、夜間照明、夜間の悪天候、小物または長距離ビューにまたがる11の条件固有のサブセットから構成される。
- 参考スコア（独自算出の注目度）: 6.240268911509347
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Computer-vision systems used for construction monitoring can degrade under adverse environmental and visual conditions, yet such conditions remain underrepresented in existing construction image datasets. We present ConSynth-X, a paired synthetic construction-site image dataset containing 34,199 images derived from 3,109 real-world source scenes. The dataset comprises 11 condition-specific subsets spanning precipitation, fog, nighttime illumination, adverse weather at night, and small-object or long-distance views. Each synthetic image is linked to its corresponding source scene, enabling controlled comparison across environmental and visual conditions. ConSynth-X includes source-derived annotations, generation metadata, provenance information, and image-quality indicators, supporting object detection, image captioning, visual grounding, and visual question answering. Technical validation evaluates source-synthetic fidelity and alignment with real adverse-condition imagery using embedding-based similarity and distributional analyses. The dataset provides a structured resource for evaluating and improving the robustness of construction vision and vision-language models under challenging field conditions.
- Abstract（参考訳）: 建設監視に用いられるコンピュータビジョンシステムは、環境や視覚の悪条件下では劣化する可能性があるが、既存の建設画像データセットではそのような状態は表現されていない。
実世界の3,109シーンから得られた34,199枚の画像を含む合成合成現場画像データセットであるConSynth-Xを提案する。
このデータセットは、降水量、霧、夜間照明、夜間の悪天候、小物または長距離ビューにまたがる11の条件固有のサブセットから構成される。
各合成画像は、対応するソースシーンにリンクされ、環境条件と視覚条件の制御された比較を可能にする。
ConSynth-Xには、ソース由来のアノテーション、生成メタデータ、証明情報、画像品質インジケータ、オブジェクト検出、画像キャプション、視覚的グラウンド、視覚的質問応答のサポートが含まれている。
埋め込み型類似度と分布解析を用いて、音源合成の忠実度と実悪条件画像との整合性を評価する。
このデータセットは、困難なフィールド条件下での建設ビジョンと視覚言語モデルの堅牢性を評価し改善するための構造化されたリソースを提供する。
関連論文リスト
- Towards a satellite image manipulation and deepfake localization benchmark dataset [0.5774786149181393]
衛星画像の真正性を検証することが ますます重要になっている 生成人工知能の進歩から
リモートセンシングコミュニティには、検出と画像鑑定アルゴリズムのトレーニングと評価に適した、高品質できめ細かい操作データセットが欠けている。
本稿では,衛星画像操作検出と局所化のための予備的なデータセット構築プロセスとプロトタイプベンチマークデータセットについて述べる。
論文 参考訳（メタデータ） (2026-08-05T13:36:42Z) - LuxDiT: Lighting Estimation with Video Diffusion Transformer [66.60450792095901]
単一の画像やビデオからシーンライティングを推定することは、コンピュータビジョンとグラフィックスにおいて長年の課題である。
本稿では,映像拡散変換器を微調整し,視覚入力を前提としたHDR環境マップを生成するLuxDiTを提案する。
論文 参考訳（メタデータ） (2025-09-03T19:59:20Z) - RobuSTereo: Robust Zero-Shot Stereo Matching under Adverse Weather [9.627322054208868]
学習に基づくステレオマッチングモデルは、トレーニングデータの不足により悪天候に苦しむ。
悪天候下でのステレオマッチングモデルのゼロショット一般化を促進する新しいフレームワークである textbfRobuSTereo を提案する。
論文 参考訳（メタデータ） (2025-07-02T12:27:53Z) - Relighting from a Single Image: Datasets and Deep Intrinsic-based Architecture [0.7499722271664147]
単一画像シーンのリライティングは、入力画像の現実的な新しいバージョンを生成し、新たな目標光条件で照らされるようにすることを目的としている。
そこで本研究では,内在成分の基底的真理を持つ合成データセットと,実験条件下で収集した実データセットの2つの新しいデータセットを提案する。
提案手法は,既存のデータセットと新たに開発したデータセットの両方でテストした結果,最先端の手法よりも性能が優れている。
論文 参考訳（メタデータ） (2024-09-27T14:15:02Z) - BEHAVIOR Vision Suite: Customizable Dataset Generation via Simulation [57.40024206484446]
我々は、コンピュータビジョンモデルの体系的評価のために、完全にカスタマイズされた合成データを生成するためのツールと資産のセットであるBEHAVIOR Vision Suite(BVS)を紹介する。
BVSはシーンレベルで多数の調整可能なパラメータをサポートする。
アプリケーションシナリオを3つ紹介する。
論文 参考訳（メタデータ） (2024-05-15T17:57:56Z) - Learning from Synthetic Data for Visual Grounding [55.21937116752679]
そこで本研究では,SynGroundが市販のビジョン・アンド・ランゲージモデルのローカライズ能力を向上できることを示す。
SynGroundで生成されたデータは、事前訓練されたALBEFモデルとBLIPモデルのポインティングゲーム精度をそれぞれ4.81%、絶対パーセンテージポイント17.11%向上させる。
論文 参考訳（メタデータ） (2024-03-20T17:59:43Z) - ConstScene: Dataset and Model for Advancing Robust Semantic Segmentation
in Construction Environments [1.4070907500169874]
本稿では,建設現場に適したセマンティックセグメンテーションデータセットを提案する。
このデータセットは、オブジェクト検出モデルのトレーニングと評価を強化するように設計されている。
論文 参考訳（メタデータ） (2023-12-27T10:49:19Z) - CarPatch: A Synthetic Benchmark for Radiance Field Evaluation on Vehicle
Components [77.33782775860028]
車両の新たな総合ベンチマークであるCarPatchを紹介する。
内在カメラパラメータと外在カメラパラメータを付加した画像のセットに加えて、各ビューに対して対応する深度マップとセマンティックセグメンテーションマスクが生成されている。
グローバルとパートベースのメトリクスは、いくつかの最先端技術を評価し、比較し、より良い特徴付けるために定義され、使われてきた。
論文 参考訳（メタデータ） (2023-07-24T11:59:07Z) - A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and
Ground Truth [61.90504318229845]
本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。
このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。
このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
論文 参考訳（メタデータ） (2022-06-13T19:14:06Z) - Learning optical flow from still images [53.295332513139925]
我々は,容易に利用可能な単一の実画像から,高精度な光学的フローアノテーションを迅速かつ多量に生成するフレームワークを提案する。
既知の動きベクトルと回転角を持つ再構成された環境でカメラを仮想的に移動させる。
我々のデータでトレーニングすると、最先端の光フローネットワークは、実データを見るのに優れた一般化を実現する。
論文 参考訳（メタデータ） (2021-04-08T17:59:58Z)
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。