論文の概要: PolarVis: A Dataset and Diffusion Framework for RGB-to-Polarization Perception in Adverse Driving Scenes

• arxiv url: http://arxiv.org/abs/2610.25396v1
• Date: Sun, 18 Oct 2026 16:50:50 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:39:52.913247
• Title: PolarVis: A Dataset and Diffusion Framework for RGB-to-Polarization Perception in Adverse Driving Scenes
• Title（参考訳）: PolarVis: 逆運転シーンにおけるRGBからポーラライズ知覚のためのデータセットと拡散フレームワーク
• Abstract要約: 本稿では,1万対のRGBと4角線形偏光画像からなる実世界のデータセットであるRGB-P Wildを提案する。 PolarVisは、単一のRGB画像から偏光表現を復元するための拡散ベースのフレームワークである。 その結果、RGB由来の偏光は、評価された知覚タスクに有用な偏光情報を保持することが示唆された。
• 参考スコア（独自算出の注目度）: 39.91565937554898
• License:
• Abstract: Reflections, glare, transparent structures, and material-dependent appearance variations can introduce ambiguity into RGB-based visual perception in vehicle-relevant environments. Polarization provides complementary reflection- and material-sensitive information, but its acquisition requires dedicated sensing hardware. This paper presents RGB-P Wild, a real-world dataset containing 10,000 paired RGB and four-angle linear-polarization image sets, together with PolarVis, a diffusion-based framework for recovering polarization representations from a single RGB image. PolarVis combines hierarchical RGB feature extraction, diffusion-based feature refinement, four angle-specific decoders, and multi-scale attention recalibration to reconstruct polarization intensity images at $0^\circ$, $45^\circ$, $90^\circ$, and $135^\circ$. On RGB-P Wild, PolarVis achieves a normalized-domain MSE of 0.0465, a PSNR of 27.83 dB, and an SSIM of 0.8597. Compared with the released PolarAnything model under the adopted evaluation protocol, PolarVis obtains an AoLP error of $25.66^\circ$ and a DoLP MAE of 0.0404, compared with $46.03^\circ$ and 0.1084, respectively. Cross-dataset evaluation on vehicle-mounted imagery further examines transfer beyond the training domain. In downstream evaluation, a frozen PCDNet achieves AP50/AP50:95 of 86.3%/59.1% on 990 RGBP-Car test images using PolarVis-generated polarization, compared with 87.0%/59.8% using measured polarization. These results indicate that RGB-derived polarization retains useful polarimetric information for the evaluated perception tasks, while remaining distinct from calibrated physical polarization measurements.
• Abstract（参考訳）: 反射、光沢、透明な構造、物質に依存した外観の変化は、車両関連環境におけるRGBベースの視覚知覚に曖昧さをもたらす可能性がある。 偏光は相補的な反射や物質に敏感な情報を提供するが、その取得には専用のセンサーハードウェアが必要である。 本稿では,1万対のRGBと4角の線形偏光画像からなる実世界のデータセットであるRGB-P Wildと,単一のRGB画像から偏光表現を復元する拡散ベースのフレームワークであるPolarVisについて述べる。 PolarVisは、階層的なRGB特徴抽出、拡散に基づく特徴改善、4つの角度特化デコーダ、そして、偏光強度画像を$0^\circ$、$45^\circ$、$90^\circ$、$35^\circ$で再構成するためのマルチスケールアテンションリカレーションを組み合わせる。 RGB-P Wildでは、PolarVisは正規化されたドメインMSEの0.0465、PSNRの27.83dB、SSIMの0.8597を達成する。 評価プロトコルでリリースされたPolarAnythingモデルと比較して、PolarVisはAoLPエラーが25.66^\circ$で、DoLP MAEが0.0404で、それぞれ46.03^\circ$と0.1084である。 車両搭載画像のクロスデータセット評価は、トレーニング領域外への移動をさらに調べる。 下流評価では、凍結PCDNetは990 RGBP-Carテスト画像のAP50/AP50:95の86.3%/59.1%をPolaVis生成偏光で達成し、測定偏光で87.0%/59.8%とした。 これらの結果は、RGB由来の偏光は、測定された知覚タスクに有用な偏光情報を保持する一方で、校正された物理的偏光測定とは相容れないことを示唆している。

関連論文リスト

• MPIG: Multi-angle Polarization Image Generation from a Single Polarization Observation [24.500508723376953]
  MPIG(Multi-angle Polarization Image Generation)は、残差の変動を予測するために、残差復号とクロス角特徴量相互作用を結合する。 HighPolは5,474個の高解像度4角偏光画像からなる大規模な実世界の偏光データセットである。 その結果、画像と偏光の精度が向上し、29.729 dB PSNR、0.9505 SSIM、AoLP MAngEが21.514円で85.86Mパラメータと1.126T FLOPが要求された。
  論文  参考訳（メタデータ） (2026-10-18T15:13:23Z)
• LGFN: Lightweight Gated RGB-Polarization Fusion with Modality-Availability Conditioning for Camouflaged Object Detection [8.90165768285529]
  偏光イメージングは相補的な物理的手がかりを提供するが、既存の方法は固定されたマルチモーダル入力構成を仮定する。 分離最適化されたRGB専用および分極支援構成をサポートする軽量ゲートRGB分極融合フレームワークを提案する。 一般的なローカル再評価プロトコルでは、マルチモーダル構成は6つのメトリクスすべてでPolarNetとIPNetを上回っている。
  論文  参考訳（メタデータ） (2026-09-11T12:57:37Z)
• DensePol: Dense-Angle Polarization Dataset for Learning-Based Polarimetric Vision [8.673131921192995]
  分割時間(DoT)取得に基づく高冗長なRGB偏極データセットであるDensePolを紹介する。 密度角サンプリングにより偏光安定性が大幅に向上し、AoLP偏差は13.36円から21円に減少する。 実験では偏光予測と下流面正規推定の改善が示された。
  論文  参考訳（メタデータ） (2026-09-08T18:48:33Z)
• Poppy: Polarization-based Plug-and-Play Guidance for Enhancing Monocular Normal Estimation [69.74622862203036]
  Poppyは、テスト時に単発偏光測定を使用して、凍結したRGBバックボーンから正規性を洗練する、トレーニング不要のフレームワークである。 微分可能なレンダリング層は、精製された正規項を偏光予測に変換し、観察された信号とミスマッチをペナライズする。 これらの結果から, 学習したRGBに基づく偏極キューを用いた正規分布推定器の誘導は, 再学習することなく, 挑戦面上の正規分布を洗練させることがわかった。
  論文  参考訳（メタデータ） (2026-03-29T22:05:09Z)
• PolarAnything: Diffusion-based Polarimetric Image Synthesis [59.14294818211059]
  本稿では,光リアリズムと物理精度の両方で単一のRGB入力から偏光画像を合成できるPolarAnythingを提案する。 実験により,我々のモデルは高品質な偏光画像を生成し,偏光からの形状などの下流タスクをサポートすることが示された。
  論文  参考訳（メタデータ） (2025-07-23T07:09:10Z)
• PIDSR: Complementary Polarized Image Demosaicing and Super-Resolution [63.87900679891159]
  偏光カメラの解像度は従来のRGBカメラよりもはるかに低い。 既存の偏光画像復調法(PID)は、解像度を向上できないため制限されている。 我々は,PIDSRと超解像の相補的な偏極画像復位と超解像を行う共同フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-10T13:56:33Z)
• Benchmarking Burst Super-Resolution for Polarization Images: Noise Dataset and Analysis [14.056265185258534]
  偏光カメラは、色と偏光の両方を捉えるためにダブルバイアーバーストセンサーを使用している。 低い光効率と低い空間分解能を示し、ノイズの増加と偏光測定の妥協をもたらす。 バースト超解像を偏光イメージングに適用することは、調整されたデータセットの欠如と信頼できる地上の真実のノイズ統計が問題となる。 この研究は、分極バースト超解像のベンチマークを確立し、ノイズ伝搬に関する重要な洞察を与え、分極画像再構成を向上する。
  論文  参考訳（メタデータ） (2025-03-24T14:17:18Z)

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。