論文の概要: Self-Supervised Multibeam Sonar Restoration via Coherent Forward Modeling
- arxiv url: http://arxiv.org/abs/2610.31490v1
- Date: Thu, 22 Oct 2026 16:09:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 02:08:44.47126
- Title: Self-Supervised Multibeam Sonar Restoration via Coherent Forward Modeling
- Title（参考訳）: コヒーレントフォワードモデリングによる自己監督型マルチビームソナー復元
- Abstract要約: マルチビームイメージングソナーは、コヒーレントスペックルとシステム誘起のぼかしによって劣化した強度画像を生成する。
本稿では,ソナーの共振・脱色のための物理一貫性のある自己形成フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 11.157933163334713
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multibeam imaging sonar produces intensity images degraded by coherent speckle and system-induced blur, while clean reflectivity targets are rarely available. Existing despeckling methods often rely on simplified intensity-domain noise models, synthetic clean targets, or blind-spot self-supervision, and typically do not jointly model deblurring and speckle suppression. We propose a physics-consistent self-supervised framework for joint despeckling and deblurring of multibeam imaging sonar. A stochastic coherent image-formation model yields a conditional-mean forward operator that relates latent scene reflectivity to expected intensity through the squared magnitude of the system point spread function. We then use registered multi-frame sonar sequences to train without clean ground truth images, showing that, under an idealized inter-frame conditional-mean condition, the expected paired loss equals the corresponding forward-prediction loss up to a network-independent constant. To stabilize the ill-conditioned inverse problem, we further adapt robust equivariant imaging using stochastic coherent simulation and introduce a paired forward prediction error metric for ground-truth-free evaluation. Experiments on two real multibeam sonar datasets demonstrate a favourable balance between forward-prediction agreement, homogeneous-region speckle suppression, and preservation of visible structural boundaries compared with representative baselines.
- Abstract（参考訳）: マルチビーム撮像ソナーはコヒーレントスペックルとシステムによって引き起こされるぼかしによって劣化する強度画像を生成するが、クリーンな反射率ターゲットはめったに得られない。
既存の非スペックリング法は、単純化された強度ドメインノイズモデル、合成クリーンターゲット、あるいは盲点自己スーパービジョンに依存しており、通常、共同で欠陥やスペックル抑制をモデル化しない。
本稿では,マルチビーム画像ソナーの連発脱色と脱色のための物理対応型自己教師型フレームワークを提案する。
確率的コヒーレント画像形成モデルは、システムポイントスプレッド関数の平方等級を通して、潜在シーン反射率と期待強度とを関連付ける条件平均フォワード演算子を生成する。
次に、登録された複数フレームソナーシーケンスを用いて、地上の真理画像なしで訓練し、理想化されたフレーム間条件付き平均条件下では、予測対損失は、ネットワーク非依存定数まで対応する前方予測損失と等しいことを示す。
非条件逆問題を安定化するために,確率的コヒーレントシミュレーションを用いて,ロバストな等変画像に適応し,地絡自由度評価のためのペア前方予測誤差メトリクスを導入する。
2つの実マルチビームソナーデータセットの実験は、前方予測合意、均質領域のスペックル抑制、および代表的ベースラインと比較して可視的構造境界の保存との良好なバランスを示す。
関連論文リスト
- Implicit Neural Speckle Denoising [8.506200151475559]
ニューラル表現とアパーチャ認識の最大形状を組み合わせたトレーニング不要のフレームワークを導入し,雑音の観測からダイナミックでスペックルのない画像を直接復元する。
その結果, 空間的忠実度, 時間的整合性, および古典的, 教師なし, 監督的観察に対する様々なスペックル統計値が得られた。
論文 参考訳（メタデータ） (2026-08-06T20:36:51Z) - Geometry-Conditioned Diffusion for Occlusion-Robust In-Bed Pose Estimation [2.574393697080417]
本研究では,オクルージョン・アウェア・オーグメンテーションを幾何学的条件付き生成モデルタスクとして再構成する。
画像誘導法とは異なり、Pose-LDMは骨格キーポイントから直接毛布で覆われた画像を合成する。
その結果、幾何学条件付き拡散は、埋め込みポーズ推定に対する効果的かつ監督効率の高い経路を提供することを示した。
論文 参考訳（メタデータ） (2026-04-26T10:40:49Z) - Better with Less: Tackling Heterogeneous Multi-Modal Image Joint Pretraining via Conditioned and Degraded Masked Autoencoder [34.73963627819185]
高分解能光合成開口レーダ(SAR)プレトレーニングは、単一ソース表現を相互に強化するために、モダリティの相乗効果を求める。
我々は、アライメントの少ないテキスト・ベッター・シナジーの先駆者であるCoDe-MAEを提案する。
CoDe-MAEは、表現の劣化を防ぎ、多様な単一および双方向の下流タスクにまたがる新しい最先端のパフォーマンスを確立する。
論文 参考訳（メタデータ） (2026-04-18T10:23:00Z) - Physically-Induced Atmospheric Adversarial Perturbations: Enhancing Transferability and Robustness in Remote Sensing Image Classification [54.952203312050564]
敵対的攻撃は、リモートセンシング(RS)画像分類におけるディープラーニングモデルの信頼性に深刻な脅威をもたらす。
本稿ではフォグフール(FogFool)を提案する。
2つのベンチマークRSデータセットの実験は、FogFoolが優れたパフォーマンスを達成することを示す。
論文 参考訳（メタデータ） (2026-04-16T05:47:57Z) - Customizing Large Vision Model-Guided Low-Rank Approximation for Ground-Roll Denoise [4.536244262111516]
地すべりは、陸域および垂直地震探査(VSP)データにおけるコヒーレントノイズの主要な原因である。
本稿では,意味誘導信号分離問題としてグラウンドロール減衰を再構成する学習自由フレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-01T14:59:48Z) - Noise Titration: Exact Distributional Benchmarking for Probabilistic Time Series Forecasting [1.5939955861266883]
本稿では,介入主義的,厳密な統計的ベンチマークへのパラダイムシフトを提案する。
我々は,ブラックボックスシーケンスマッチングゲームから正確な分布推定タスクに予測を変換する。
我々は、最先端のゼロショットモデルがコンテキストパロッキング機構と一貫して振る舞うことを発見した。
論文 参考訳（メタデータ） (2026-03-23T17:14:11Z) - Cross-Scenario Deraining Adaptation with Unpaired Data: Superpixel Structural Priors and Multi-Stage Pseudo-Rain Synthesis [48.809049043865905]
低レベルのコンピュータビジョンでは,イメージデライン化が重要な役割を担っている。
ディープラーニングのパラダイムは、目に見えないアウト・オブ・ディストリビューションシナリオに一般化された場合、厳しいパフォーマンス劣化に悩まされることが多い。
本稿では,クロスシナリオ・デライニング適応フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-23T07:38:55Z) - FUMO: Prior-Modulated Diffusion for Single Image Reflection Removal [51.98991734660274]
本稿では、空間制御性と構造忠実性を改善するために、明示的な誘導信号を導入した事前変調フレームワーク(FUMO)を用いた拡散モデルを提案する。
標準ベンチマークと野生での挑戦的な画像の両方で実施された実験は、競争力のある定量的結果を示し、知覚品質を継続的に改善した。
論文 参考訳（メタデータ） (2026-03-19T15:33:11Z) - Drift No More? Context Equilibria in Multi-Turn LLM Interactions [58.69551510148673]
コンテキストドリフト(Contexts drift)とは、ターン間のゴール一貫性のある振る舞いからモデルが出力する出力の段階的なばらつきである。
シングルターンエラーとは異なり、ドリフトは時間的に展開し、静的な評価指標では捉えにくい。
マルチターンドリフトは、避けられない崩壊というよりも、制御可能な平衡現象として理解できることを示す。
論文 参考訳（メタデータ） (2025-10-09T04:48:49Z) - RoSe: Robust Self-supervised Stereo Matching under Adverse Weather Conditions [58.37558408672509]
本稿では,ロバストな自己監督型環境対応学習と悪天候蒸留という2つの重要なステップからなる,堅牢な自己監督型訓練パラダイムを提案する。
提案手法の有効性と汎用性を実証し,既存の最先端の自己管理手法より優れていることを示す。
論文 参考訳（メタデータ） (2025-09-23T15:41:40Z) - Auto-regressive Image Synthesis with Integrated Quantization [55.51231796778219]
本稿では,条件付き画像生成のための多目的フレームワークを提案する。
CNNの帰納バイアスと自己回帰の強力なシーケンスモデリングが組み込まれている。
提案手法は,最先端技術と比較して,優れた多彩な画像生成性能を実現する。
論文 参考訳（メタデータ） (2022-07-21T22:19:17Z)
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。