論文の概要: Material and Defocus Cues for Occluded Object Localization in Single Hyperspectral Images: An Exploratory Study

• arxiv url: http://arxiv.org/abs/2610.23733v1
• Date: Thu, 15 Oct 2026 03:19:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:08.026755
• Title: Material and Defocus Cues for Occluded Object Localization in Single Hyperspectral Images: An Exploratory Study
• Title（参考訳）: 単一ハイパースペクトル画像における物体定位のための材料とデフォーカスキュー : 探索的研究
• Abstract要約: 本研究では,非負の行列分解に基づく材料グループ化,発散に基づく光学的キュー,グラフラプラシアン伝搬を組み合わせたパイプラインについて検討する。 屋内30面と屋外6面のハイパースペクトルシーンを2つのカメラシステムで取得した。 この例は、光学的手がかりが弱いときに物質情報が分離をサポートする方法と、光学的手がかりが類似した材料特性を持つ表面をどのように区別するかを示している。
• 参考スコア（独自算出の注目度）: 8.103071730067743
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Partial occlusion makes object detection difficult when visible regions have weak texture or similar appearance. Hyperspectral imaging provides material-dependent spectra and wavelength-dependent optical blur, which offer complementary evidence for separating objects. We investigate a pipeline that combines nonnegative-matrix-factorization-based material grouping, divergence-based optical cues, and graph Laplacian propagation. The propagated scores support region extraction and bounding-box localization without requiring a separate depth sensor at inference. A collection of 30 indoor and six outdoor hyperspectral scenes acquired using two camera systems provides qualitative examples spanning different materials, depth arrangements, and partial occlusions. The examples illustrate how material information can support separation when optical cues are weak, and how optical cues can distinguish some surfaces with similar material properties. Objects sharing both material and depth remain challenging. This exploratory study establishes the sensing rationale and mathematical formulation, while identifying the quantitative evaluation and implementation details needed to assess detection performance systematically.
• Abstract（参考訳）: 部分閉塞は、可視領域が弱いテクスチャや類似した外観を持つ場合、物体検出を困難にする。 ハイパースペクトルイメージングは、物質依存のスペクトルと波長依存の光学的ぼかしを提供し、物体を分離する補完的な証拠を与える。 本研究では,非負行列分解に基づく材料グループ化,発散に基づく光学的キュー,グラフラプラシアン伝搬を組み合わせたパイプラインについて検討する。 伝播スコアは、推論時に個別の深度センサを必要とせず、領域抽出およびバウンディングボックスのローカライゼーションをサポートする。 2つのカメラシステムを用いて取得した30の屋内および6つの屋外のハイパースペクトルシーンのコレクションは、異なる材料、深さ配置、部分閉塞の質的な例を提供する。 この例は、光学的手がかりが弱いときに物質情報が分離をサポートする方法と、光学的手がかりが類似した材料特性を持つ表面をどのように区別するかを示している。 物質と深さの両方を共有するオブジェクトは、依然として困難なままです。 この探索的研究は,検出性能を体系的に評価するために必要な定量的評価と実装の詳細を特定しつつ,意味論的理性と数学的定式化を確立する。

関連論文リスト

• VolS-GS: Relightable Gaussian Splatting with Volumetric Subsurface Scattering [51.56484100374058]
  VolS-GSは、ワンライト・アズ・ア・タイムからオブジェクトを再構築する、楽しいガウシアン・スプレイティング・フレームワークである。 ネットワークは各ガウスの散乱と吸収係数を予測し、解は結果の場を通して入射光を再分配する。 3つのOLATベンチマークの実験では、VolS-GSはホールドアウトライトとビューの照準品質を一貫して改善している。
  論文  参考訳（メタデータ） (2026-10-02T20:09:16Z)
• Accurate noise spectroscopy using quantum sensing ensembles [70.36032466145112]
  本稿では,アンサンブルコヒーレンスを用いた真の音源雑音スペクトルに対する解析手法を提案する。 周波数選択性と重み付け信号の収集を両立させて,シーケンスタイミングがアンサンブルノイズスペクトロスコピーにおいて二重の役割を担っていることを示す。 本手法をダイヤモンド中の浅い窒素空孔中心のモデル系に適用し, MHz帯表面雑音のスペクトル特性について一貫した情報が得られることを示す。
  論文  参考訳（メタデータ） (2026-09-15T05:03:36Z)
• QuPAINT: Physics-Aware Multimodal Reasoning for Quantum Material Characterization [12.888415301529891]
  QuPAINTは、転送可能な量子フレークキャラクタリゼーションのための物理対応フレームワークである。 QMat-Instructは、検証済みアノテーションから生成される画像固有の推論トレースを備えたマルチモーダル命令データセットである。 QuPAINT-8Bは従来の手法よりも大幅に優れており、一般的なおよび単層フレーク検出のための最先端性能を確立している。
  論文  参考訳（メタデータ） (2026-09-10T20:56:07Z)
• End-to-End Unmixing with Material Prompts for Hyperspectral Object Tracking [10.366723514972815]
  ハイパースペクトル画像は、外見のあいまいさ、照明の変化、背景の乱れの下でのロバスト性を改善することができるリッチな材料特性を符号化する。 適応周波数分解を伴う深層学習に基づくスペクトルアンミックスのための材料表現分解モジュールを提案する。 また、低周波および高周波の材料プロンプトを学習するデュアルブランチ・ウェーブレット強化材料プロンプトモジュールを導入する。
  論文  参考訳（メタデータ） (2026-05-20T00:01:05Z)
• Physics-Guided Dual Implicit Neural Representations for Source Separation [70.38762322922211]
  我々は,2つの暗黙的ニューラル表現フレームワークを用いて,ソース分離のための自己教師型機械学習手法を開発した。 本手法は,復元に基づく損失関数の最小化により,生データから直接学習する。 本手法は,様々な領域にまたがるソース分離問題に対処する汎用的なフレームワークを提供する。
  論文  参考訳（メタデータ） (2025-07-07T17:56:31Z)
• UMCFuse: A Unified Multiple Complex Scenes Infrared and Visible Image Fusion Framework [18.30261731071375]
  UMCFuseと呼ばれる複雑なシーンにおける赤外線と可視画像の融合のための統合フレームワークを提案する。 我々は、可視画像のピクセルを光透過の散乱度から分類し、全体的な強度から細部を分離する。
  論文  参考訳（メタデータ） (2024-02-03T09:27:33Z)
• Object Detection in Hyperspectral Image via Unified Spectral-Spatial Feature Aggregation [55.9217962930169]
  S2ADetは、高スペクトル画像に固有の豊富なスペクトル情報と空間補完情報を利用する物体検出器である。 S2ADetは既存の最先端メソッドを超え、堅牢で信頼性の高い結果を達成する。
  論文  参考訳（メタデータ） (2023-06-14T09:01:50Z)
• Towards retrieving dispersion profiles using quantum-mimic Optical Coherence Tomography and Machine Learnin [0.0]
  量子-ミリ波光コヒーレンス・トモグラフィーの成果は、最も単純な物体であっても画像をスクランブルする。 これらは自己相関の副作用であり、この手法の背後にある量子エンタングルメント模倣アルゴリズムで使用される。 このアーチファクトと層分散のユニークな関係は、オブジェクト層の群速度分散(GVD)値を決定するために利用することができる。
  論文  参考訳（メタデータ） (2022-05-30T23:30:29Z)
• RRNet: Relational Reasoning Network with Parallel Multi-scale Attention for Salient Object Detection in Optical Remote Sensing Images [82.1679766706423]
  光リモートセンシング画像(RSI)のためのSODは、光学RSIから視覚的に特徴的な物体や領域を探索・抽出することを目的としている。 光学RSIにおけるSODに並列なマルチスケールアテンションを持つリレーショナル推論ネットワークを提案する。 提案するRRNetは,既存の最先端SODコンペティタよりも質的,定量的に優れている。
  論文  参考訳（メタデータ） (2021-10-27T07:18:32Z)
• The joint role of geometry and illumination on material recognition [16.01513204879645]
  幾何学,照明,空間周波数の相互作用が物質認識タスクにおける人間のパフォーマンスに与える影響について検討した。 材料認識に関する深いニューラルネットワークをトレーニングし、材料を正確に分類します。
  論文  参考訳（メタデータ） (2021-01-07T11:29:52Z)

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。