FIFO:FoggyシーンセグメンテーションのためのFog不変特徴の学習【JST・京大機械翻訳】

Lee Sohyun; Son Taeyoung; Kwak Suha

プレプリント

J-GLOBAL ID：202202203213500352 整理番号：22P0325084

FIFO:FoggyシーンセグメンテーションのためのFog不変特徴の学習【JST・京大機械翻訳】

FIFO: Learning Fog-invariant Features for Foggy Scene Segmentation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年04月04日プレプリントサーバーでの情報更新日： 2022年04月04日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

悪天候条件下でのロバスト視覚認識は,実世界アプリケーションにおいて非常に重要である。この文脈において,霧に対してロバストな意味セグメンテーションモデルを学習するための新しい方法を提案した。その重要なアイデアは,そのスタイルとして画像の霧条件を考慮し,セグメンテーションモデルの神経スタイル空間における異なる霧条件を有する画像間のギャップを閉じることである。特に,画像の神経スタイルは,一般に,霧と同様に他の因子によって影響を受けるので,著者らは,スタイルから霧関連要因を抽出するために学習する霧パスフィルタモジュールを導入した。霧パスフィルタとセグメンテーションモデルの最適化は,異なる霧条件間のスタイルギャップを交互に徐々に閉じ,その結果,霧不変特徴の学習を可能にした。著者らの方法は,3つの実際の霧画像データセットに関する以前の研究を実質的に凌駕する。さらに,それは,霧と明確な気象画像の両方の性能を改善し,一方,既存の方法は,明確な場面で性能を低下させることが多い。【JST・京大機械翻訳】

, , , , , , , , , ,
, 【Automatic Indexing@JST】

図形・画像処理一般

, , , ,

前のページに戻る