日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

画像処理arXiv:2606.19813

TIDY: ウェーブレット領域エントロピーと方向性ストライプ指数による熱赤外画像のノイズ除去

TIDY: Thermal Infrared Image Denoising via Wavelet Domain Entropy and Directional Stripe Index

シェア:XThreadsFacebookLINEはてブBluesky

熱赤外画像のノイズ除去をウェーブレット領域で行う軽量な手法を提案し、実データで学習することで高速かつ頑健な処理を実現した。

詳しい要約

1. どんなもの?

- TIDYは、Thermal Infrared (TIR) 画像のノイズ除去手法である。 - フィールドロボティクスで重要だが、屋内では低熱コントラストと均一温度分布によりノイズが深刻化する。 - 既存手法は精度と効率のトレードオフが悪く、オンライン展開に不向きか、劣化に弱い。 - TIDYはwavelet domainで動作する軽量denoiserで、実データで訓練される。 - 推論速度は約34Hzで、下流タスク(thermal inertial odometry, monocular depth estimation)を改善する。

2. 先行研究と比べてどこがすごい?

- 既存のTIR denoisingは精度-効率のトレードオフが悪く、ロボティクスでのオンライン展開に適さないか、深刻な劣化に弱い。 - また、典型的には合成ノイズで訓練されるが、TIDYは実clean-noisy TIRデータで訓練される。 - TIDYはwavelet domainでノイズと構造を明示的に分離し、空間複雑性を低減しつつ、推論速度を大幅に改善(~34Hz)。 - 新指標Wavelet EntropyとWavelet Directional Stripe Indexを損失項として導入し、確率的ノイズとストライプアーティファクトを抑制する。 - 深刻な屋内劣化やzero-shot設定でロバスト性を向上させ、下流タスクで一貫したゲインを得る。

3. 技術・手法の肝は?

- TIR denoisingをwavelet domainで再定式化し、ノイズと構造内容を明示的に分離する。 - これにより、空間複雑性を低減しつつ、ターゲットを絞った抑制を可能にする。 - 軽量なwavelet-domain denoiserであり、実clean-noisy TIRデータで訓練される。 - 新たにWavelet EntropyとWavelet Directional Stripe Indexを補完的な損失項として導入する。 - Wavelet Entropyは確率的ノイズを、Wavelet Directional Stripe Indexはストライプアーティファクトを明示的に抑制する。

4. どうやって有効だと検証した?

- 深刻な屋内劣化とzero-shot設定で評価され、ロバスト性の向上が示された。 - 下流ロボティクスタスク(thermal inertial odometryとmonocular depth estimation)で一貫したゲインが得られた。 - 推論速度は約34Hzで、既存手法より大幅に改善された。 - コードとデータセットはGitHubで公開されている。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、wavelet-based denoising、thermal infrared image denoising、thermal inertial odometry、monocular depth estimationが挙げられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Tai Hyoung Rhee, Dong-Guw Lee, Ayoung Kim

分類: cs.RO, cs.CV

原文アブストラクト

Thermal infrared (TIR) imaging has been a popular choice for field robotics due to its robust perception capability under low light visual degradation, but it suffers from severe stochastic and fixed-pattern noise that breaks downstream estimation. This noise is intensified indoors due to low thermal contrast and uniform temperature distributions, contributing to the relative lack of indoor TIR deployments. Existing TIR denoising methods exhibit a poor accuracy-efficiency tradeoff, either too slow for online deployment required in robotics or insufficiently robust to severe degradation, while typically being trained on synthetic noise. Addressing these problems, we propose TIDY, a lightweight wavelet-domain denoiser trained on real clean-noisy TIR data. By reformulating TIR denoising in the wavelet domain, TIDY explicitly disentangles noise from structural content, enabling targeted suppression with reduced spatial complexity, significantly improving inference speed over prior methods (~34Hz). TIDY introduces two new metrics, Wavelet Entropy and Wavelet Directional Stripe Index, as complementary loss terms to explicitly suppress stochastic noise and stripe artifacts. Across severe indoor corruption and zero-shot settings, TIDY improves robustness and yields consistent gains in downstream robotics tasks including thermal inertial odometry and monocular depth estimation. Code and dataset is available at: https://github.com/williamrheeth/TIDY

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI