論文の概要: Stereo LWIR-RGB Automatic Labeling for Low-Light Camera-Based VRU Detection

• arxiv url: http://arxiv.org/abs/2610.23621v1
• Date: Fri, 16 Oct 2026 15:31:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.991435
• Title: Stereo LWIR-RGB Automatic Labeling for Low-Light Camera-Based VRU Detection
• Title（参考訳）: 低照度カメラを用いたVRU検出のためのステレオLWIR-RGB自動ラベリング
• Abstract要約: 低照度VRUラベリングのための自動パイプラインを提案する。 LWIR-RGB画像対を用いてラベルをLWIRから抽出する。
• 参考スコア（独自算出の注目度）: 0.5524043015533312
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: VRU detection in low-light conditions is a key component in ensuring VRU safety during the most collision prone time of the day. Currently, advances in low-light detection are limited due to the lack of large scale datasets and automated labeling methods. Most autolabeling methods use RGB detections as their labels source, which cannot be replicated in low-light conditions. To fill this gap in this paper we present an automated pipeline for low-light VRU labeling. We use LWIR-RGB image pairs and source our labels from LWIR as VRUs differentiate from the background due to their body temperature. Unlike our previous work that relied on a complex hardware setup to align the two modalities, we perform this experiment using a LWIR-RGB stereo setup, lowering hardware complexity and cost, making the pipeline easier to reproduce. We evaluate method end-to-end on a dataset collected in the capital region of Finland. Models trained on our generated labels beat both off-the-shelf baselines and models fine tuned on a hand labeled subset on F1, mAP@50 and LAMR metrics when tested on a manually labeled dataset, and the result holds for two different LWIR detectors. This shows that low-light VRU autolabeling can be made both accessible and effective without specialized alignment hardware.
• Abstract（参考訳）: 低照度条件下でのVRU検出は、日中最も衝突しやすい時間におけるVRUの安全性を確保する重要な要素である。 現在、大規模なデータセットや自動ラベリング手法が欠如しているため、低照度検出の進歩は限られている。 ほとんどの自動ラベル法はRGB検出をラベルのソースとして使用しており、低照度環境では複製できない。 本稿では、このギャップを埋めるために、低照度VRUラベリングのための自動パイプラインを提案する。 LWIR-RGB画像対を用いてラベルをLWIRから抽出する。 LWIR-RGBステレオセットアップを使用すれば、ハードウェアの複雑さとコストを低減でき、パイプラインの再生が容易になります。 フィンランドの首都圏で収集されたデータセットをエンドツーエンドに評価する。 F1, mAP@50, LAMRを手動でラベル付けしたデータセットでテストすると, 既製のベースラインと, 手動でラベル付けされたサブセットに微調整されたモデルの両方を上回り, 結果は2つの異なるLWIR検出器で保持される。 これは、特別なアライメントハードウェアを使わずに、低照度VRUオートラベリングをアクセス可能かつ効果的にできることを示している。

関連論文リスト

• SkyEV: RGB-Event UAV detection and tracking dataset and baseline [7.035143064175411]
  高度に同期したRGBとイベントベースのデータを特徴とする,オープンソースのデータセットであるSkyEVを紹介する。 SkyEVは、カメラの動きや様々な光学装置など、複雑な現実世界の条件を捉えて、自分自身を区別する。 統一されたデータローダを提供し、実験ベースラインを確立し、挑戦的で小規模なターゲットを検出するデータセットの有効性を実証する。
  論文  参考訳（メタデータ） (2026-07-21T06:12:06Z)
• Addressing Detail Bottlenecks in Latent Diffusion for RGB-to-SWIR Image Translation [3.8750462550584044]
  遅延拡散モデル(LDMs)は、画像から画像への効率的な変換を可能にするが、圧縮中に詳細を破棄する。 そこで我々は,情報を失うオートエンコーダと条件付け経路の2つのボトルネックを同定した。 スイッチ接続によりデコーダに高解像度のソース機能を注入するSCAE(Source-Conditioned Autoencoder)と,ナイーブダウンサンプリングを学習条件信号に置き換えるLearningable Guidance(LGE)の2つの軽量なバックボーン非依存修正を提案する。
  論文  参考訳（メタデータ） (2026-06-18T08:59:03Z)
• Real-time windrow detection from onboard tractor sensors for automated following [0.0]
  実バリング動作中のトラクタ搭載センサからのステレオビジョンとLiDARを組み合わせたマルチモーダルデータセットを提案する。 NVIDIA Jetson AGX Orin 上で,リアルタイム (>20 Hz) セントロイドを用いたウィンドロウ追従方式を実装した。 我々のオープンソースのROS 2パイプラインは、GPSのないウィンドロウ検出のための再現可能なベンチマークを提供し、実用的な自律型飼料収穫システムの開発を支援しています。
  論文  参考訳（メタデータ） (2026-04-27T15:55:02Z)
• Automatic Labelling for Low-Light Pedestrian Detection [0.44241702149260353]
  研究はKAISTデータセットを用いて行われた。 オブジェクト検出モデルは、生成されたオートラベルと地上の真理ラベルに基づいて訓練された。 その結果,mAP@50およびmAP@50-95の9例中6例において,生成ラベルでトレーニングしたモデルは,地中トラスラベルでトレーニングしたモデルよりも優れていた。
  論文  参考訳（メタデータ） (2025-07-03T10:20:17Z)
• 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)
• GLARE: Low Light Image Enhancement via Generative Latent Feature based Codebook Retrieval [80.96706764868898]
  我々は、GLARE(Generative LAtent Feature based codebook Retrieval)を介して、新しい低照度画像強調(LLIE)ネットワークを提案する。 Invertible Latent Normalizing Flow (I-LNF) モジュールを開発し、LL特徴分布をNL潜在表現に整合させ、コードブック内の正しいコード検索を保証する。 さまざまなベンチマークデータセットと実世界のデータに対するGLAREの優れたパフォーマンスを確認する実験。
  論文  参考訳（メタデータ） (2024-07-17T09:40:15Z)
• OVLW-DETR: Open-Vocabulary Light-Weighted Detection Transformer [63.141027246418]
  本稿では,OVLW-DETR(Open-Vocabulary Light-Weighted Detection Transformer)を提案する。 本稿では,視覚言語モデル(VLM)からオブジェクト検出器への知識伝達を簡易なアライメントで行うエンド・ツー・エンドのトレーニングレシピを提案する。 実験により,提案手法は標準ゼロショットLVISベンチマークにおいて,既存の実時間開語彙検出器よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-07-15T12:15:27Z)
• Visible-Thermal UAV Tracking: A Large-Scale Benchmark and New Baseline [80.13652104204691]
  本稿では,可視熱UAV追跡(VTUAV)のための高多様性の大規模ベンチマークを構築する。 本稿では, フレームレベルの属性を, チャレンジ固有のトラッカーの可能性を利用するための粗粒度属性アノテーションを提案する。 さらに,様々なレベルでRGB-Tデータを融合するHMFT(Hierarchical Multi-modal Fusion Tracker)という新しいRGB-Tベースラインを設計する。
  論文  参考訳（メタデータ） (2022-04-08T15:22:33Z)
• Self-Supervised Person Detection in 2D Range Data using a Calibrated Camera [83.31666463259849]
  2次元LiDARに基づく人検出器のトレーニングラベル(擬似ラベル)を自動生成する手法を提案する。 擬似ラベルで訓練または微調整された自己監視検出器が,手動アノテーションを用いて訓練された検出器を上回っていることを示した。 私達の方法は付加的な分類の努力なしで配置の間に人の探知器を改善する有効な方法です。
  論文  参考訳（メタデータ） (2020-12-16T12:10:04Z)
• EHSOD: CAM-Guided End-to-end Hybrid-Supervised Object Detection with Cascade Refinement [53.69674636044927]
  本稿では,エンド・ツー・エンドのハイブリッド型オブジェクト検出システムであるEHSODについて述べる。 完全なアノテートと弱いアノテートの両方で、ワンショットでトレーニングすることができる。 完全なアノテートされたデータの30%しか持たない複数のオブジェクト検出ベンチマークで、同等の結果が得られる。
  論文  参考訳（メタデータ） (2020-02-18T08:04:58Z)

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。