Influence of Water Droplet Contamination for Transparency Segmentation

要約

コンピュータビジョン技術は、医療分野や危険な環境などでのプロセス監視や自律エージェントなどの産業用途で増加しています。
これらの技術の一般的な有用性は高いですが、現実世界のユースケースにはまだ課題があります。
特に透明な構造物は、ガラスのドア、保護ケース、またはメガネなどの日常的な物体の形で現れる可能性があり、コンピューター ビジョン手法にとって課題となります。
この論文では、曇りなどの環境影響による (自然に発生する) 汚染と透明なオブジェクトの組み合わせを評価します。
透明構造上の 3 段階の水滴汚染を組み込んだ 489 枚の画像を含む新しい公開データセットを導入し、その結果生じる透明構造への影響を調べます。
私たちの調査結果は、汚染された透明な物体のセグメント化が容易であり、現在の最先端の機械学習モデルを使用すれば、汚染の異なる重大度レベルを区別できることを示しています。
これにより、汚染された保護ケースによるデータシフトなどに対するコンピュータ ビジョン システムの回復力を強化したり、自動クリーニング アラートを実装したりする可能性が開かれます。

要約(オリジナル)

Computer vision techniques are on the rise for industrial applications, like process supervision and autonomous agents, e.g., in the healthcare domain and dangerous environments. While the general usability of these techniques is high, there are still challenging real-world use-cases. Especially transparent structures, which can appear in the form of glass doors, protective casings or everyday objects like glasses, pose a challenge for computer vision methods. This paper evaluates the combination of transparent objects in conjunction with (naturally occurring) contamination through environmental effects like hazing. We introduce a novel publicly available dataset containing 489 images incorporating three grades of water droplet contamination on transparent structures and examine the resulting influence on transparency handling. Our findings show, that contaminated transparent objects are easier to segment and that we are able to distinguish between different severity levels of contamination with a current state-of-the art machine-learning model. This in turn opens up the possibility to enhance computer vision systems regarding resilience against, e.g., datashifts through contaminated protection casings or implement an automated cleaning alert.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google