17日前

多様な条件下におけるRAWオブジェクト検出へ

Zhong-Yu Li, Xin Jin, Boyuan Sun, Chun-Le Guo, Ming-Ming Cheng
多様な条件下におけるRAWオブジェクト検出へ
要約

従来の物体検出手法は、主にsRGB入力に着目しており、これは元々可視化を目的として設計されたISP(Image Signal Processor)によってRAWデータから圧縮されたものである。しかし、このような圧縮処理は、特に複雑な照明条件や悪天候下において、検出に重要な情報を損なう可能性がある。本研究では、7,785枚の高解像度実RAW画像と、62カテゴリにわたる135,601件のアノテーションインスタンスを含むAODRawデータセットを提案する。このデータセットは、9種類の異なる照明および天候条件下における屋内・屋外シーンを広くカバーしている。AODRawはRAWおよびsRGBの両方の物体検出をサポートするため、現在の検出手法を評価する包括的なベンチマークを提供する。我々の分析から、sRGBでの事前学習はRAWとsRGBのドメインギャップによりRAW検出の潜在能力を制限することが明らかになった。これにより、RAWドメイン上で直接事前学習を行うことが有効であると結論づけた。ただし、カメラノイズの影響により、RAWでの事前学習はsRGBでの事前学習に比べて豊かな表現を学習することがより困難である。これを補うために、sRGBドメインで事前学習された既存モデルから知識蒸留(knowledge distillation)を活用した。その結果、追加の前処理モジュールに依存することなく、多様かつ過酷な条件下で顕著な性能向上を達成した。コードおよびデータセットは、https://github.com/lzyhha/AODRaw で公開されている。

多様な条件下におけるRAWオブジェクト検出へ | 最新論文 | HyperAI超神経