文献

J-GLOBAL ID：201902216772163522   整理番号：19A0518517

Watergan 単眼水中画像の実時間色補正を可能にする教師なし生成ネットワーク【JST・京大機械翻訳】

WaterGAN: Unsupervised Generative Network to Enable Real-Time Color Correction of Monocular Underwater Images

著者 (4件)： Li Jie (Department of Electrical Engineering and Computer Science, University of Michigan, Ann Arbor, MI, USA) ,  Skinner Katherine A. (Robotics Program, University of Michigan, Ann Arbor, MI, USA) ,  Eustice Ryan M. (Department of Naval Architecture and Marine Engineering, University of Michigan, Ann Arbor, MI, USA) ,  Johnson-Roberson Matthew (Department of Naval Architecture and Marine Engineering, University of Michigan, Ann Arbor, MI, USA)
資料名： IEEE Robotics and Automation Letters  (IEEE Robotics and Automation Letters)
巻： 3  号： 1  ページ： 387-394  発行年： 2018年 
JST資料番号： W2448A  ISSN： 2377-3766  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,単眼水中画像の色補正に使用される教師なしのパイプラインにおける空中画像および深さ対から現実的な水中画像を生成するための,生成的な敵ネットワーク(GAN)であるWaterGANについて報告した。自律的で遠隔操作された車両に搭載されたカメラは,海底をマップするために高分解能画像を捕捉できる。しかしながら,水中画像形成は,水柱を通しての光伝搬の複雑な過程を受ける。検索した生画像は,吸収や散乱のような効果により空気中で撮影した画像と特徴的に異なり,異なる波長に対して異なる速度で光の減衰を引き起こす。この物理的プロセスは理論的に良く記述されているが,モデルは水柱に固有の多くのパラメータとシーンの構造に依存する。これらの因子は,仮定または現場較正を単純化することなく,これらのパラメータの回復を困難にする。したがって,水中画像の復元は重要でない問題である。深い学習は複雑な非線形システムのモデリングにおいて大きな成功を示しているが,大量の訓練データを必要とし,それは深海環境において編集することが困難である。WaterGANを用いて,対応する深さ,空中カラー画像,および現実的水中画像の大きな訓練データセットを生成した。これらのデータは単眼水中画像の色補正のための2段階ネットワークへの入力として役立つ。提案したパイプラインを,純水試験タンクと現場で収集した水中調査の両方から収集した実データの試験により検証した。ソースコード,サンプルデータセット,および事前訓練モデルは公開されている。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *単眼 ,  カラー画像 ,  海底 ,  モデリング ,  光伝搬 ,  カメラ ,  *ネットワーク ,  簡素化 ,  遠隔制御 ,  深海 ,  波長 ,  *画像
準シソーラス用語： 空中画像 ,  *色補正 ,  *水中画像 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 単眼 ,  水中画像 ,  実時間 ,  色補正 ,  教師