論文の概要: UAV3D: A Large-scale 3D Perception Benchmark for Unmanned Aerial Vehicles

• arxiv url: http://arxiv.org/abs/2410.11125v2
• Date: Thu, 17 Oct 2024 02:34:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-18 13:19:54.160837
• Title: UAV3D: A Large-scale 3D Perception Benchmark for Unmanned Aerial Vehicles
• Title（参考訳）: UAV3D:無人航空機の大規模3D知覚ベンチマーク
• Authors: Hui Ye, Rajshekhar Sunderraman, Shihao Ji,
• Abstract要約: 無人航空機(UAV)は、航空写真、監視、農業など多くの用途で使用されている。 UAVアプリケーションの既存のベンチマークは、主に従来の2D認識タスクのために設計されている。 UAV3Dは1000のシーンで構成され、それぞれに20のフレームと完全な注釈付き3Dバウンディングボックスがある。
• 参考スコア（独自算出の注目度）: 12.278437831053985
• License:
• Abstract: Unmanned Aerial Vehicles (UAVs), equipped with cameras, are employed in numerous applications, including aerial photography, surveillance, and agriculture. In these applications, robust object detection and tracking are essential for the effective deployment of UAVs. However, existing benchmarks for UAV applications are mainly designed for traditional 2D perception tasks, restricting the development of real-world applications that require a 3D understanding of the environment. Furthermore, despite recent advancements in single-UAV perception, limited views of a single UAV platform significantly constrain its perception capabilities over long distances or in occluded areas. To address these challenges, we introduce UAV3D, a benchmark designed to advance research in both 3D and collaborative 3D perception tasks with UAVs. UAV3D comprises 1,000 scenes, each of which has 20 frames with fully annotated 3D bounding boxes on vehicles. We provide the benchmark for four 3D perception tasks: single-UAV 3D object detection, single-UAV object tracking, collaborative-UAV 3D object detection, and collaborative-UAV object tracking. Our dataset and code are available at https://huiyegit.github.io/UAV3D_Benchmark/.
• Abstract（参考訳）: 無人航空機(UAV)にはカメラが装備されており、航空写真、監視、農業など多くの用途で使用されている。 これらのアプリケーションでは、UAVの効果的な展開には、堅牢なオブジェクト検出と追跡が不可欠である。 しかし、UAVアプリケーションのための既存のベンチマークは、主に従来の2D認識タスクのために設計されており、環境の3D理解を必要とする現実のアプリケーションの開発を制限する。 さらに、近年の単一UAV知覚の進歩にもかかわらず、単一のUAVプラットフォームに対する限られた視点は、長距離や閉鎖された地域での認識能力を著しく制限している。 これらの課題に対処するため,UAV3Dは,UAVを用いた3次元および協調的な3次元知覚タスクの研究を促進するために設計されたベンチマークである。 UAV3Dは1000のシーンで構成され、それぞれに20のフレームと完全な注釈付き3Dバウンディングボックスがある。 本研究では, 単一UAVオブジェクト検出, 単一UAVオブジェクトトラッキング, 協調UAVオブジェクト検出, 協調UAVオブジェクトトラッキングという4つの3次元知覚タスクのベンチマークを行う。 私たちのデータセットとコードはhttps://huiyegit.github.io/UAV3D_Benchmark/で公開されています。

関連論文リスト

• UAVDB: Trajectory-Guided Adaptable Bounding Boxes for UAV Detection [0.03464344220266879]
  パッチ強度収束(Patch Intensity Convergence、PIC)技術は、手動ラベリングなしでUAV検出のための高忠実なバウンディングボックスを生成する。 この技術は、UAV検出に特化した専用データベースであるUAVDBの基礎となる。 我々は,最先端(SOTA)YOLO系列検出器を用いてUAVDBをベンチマークし,総合的な性能解析を行った。
  論文  参考訳（メタデータ） (2024-09-09T13:27:53Z)
• UCDNet: Multi-UAV Collaborative 3D Object Detection Network by Reliable Feature Mapping [14.401624713578737]
  マルチUAVコラボレーティブな3Dオブジェクト検出は複雑な環境を知覚し理解することができる。 カメラによる複数UAV協調3Dオブジェクト検出のパラダイムであるUCDNetを提案する。 本手法は, ベースラインに比べて4.7%, 10%mAPの増加を示した。
  論文  参考訳（メタデータ） (2024-06-07T05:27:32Z)
• Evidential Detection and Tracking Collaboration: New Problem, Benchmark and Algorithm for Robust Anti-UAV System [56.51247807483176]
  無人航空機(UAV)は輸送、監視、軍事など多くの地域で広く使われている。 従来は、UAVの先行情報が常に提供されていた追跡問題として、このようなアンチUAVタスクを単純化していた。 本稿では,従来のUAV情報を含まない複雑な場面において,UAVの認識を特徴とする新しい実用的対UAV問題を初めて定式化する。
  論文  参考訳（メタデータ） (2023-06-27T19:30:23Z)
• Learning to Compress Unmanned Aerial Vehicle (UAV) Captured Video: Benchmark and Analysis [54.07535860237662]
  本稿では,UAVビデオ符号化学習のための新しいタスクを提案し,そのようなタスクに対する包括的で体系的なベンチマークを構築する。 このベンチマークは、ドローンプラットフォームにおけるビデオコーディングの研究と開発を加速させるものと期待されている。
  論文  参考訳（メタデータ） (2023-01-15T15:18:02Z)
• Fully Convolutional One-Stage 3D Object Detection on LiDAR Range Images [96.66271207089096]
  FCOS-LiDARは、自律走行シーンのLiDAR点雲のための完全な1段式3Dオブジェクト検出器である。 標準的な2Dコンボリューションを持つRVベースの3D検出器は、最先端のBEVベースの検出器と同等の性能を発揮することを示す。
  論文  参考訳（メタデータ） (2022-05-27T05:42:16Z)
• WebUAV-3M: A Benchmark Unveiling the Power of Million-Scale Deep UAV Tracking [40.83427270297245]
  WebUAV-3Mは100万スケールの無人航空機(UAV)追跡ベンチマークである。 われわれは、インターネットから3Mフレーム以上の4,485本のビデオを集めている。 WebUAV-3Mは、公的なUAV追跡ベンチマークとしては最大である。
  論文  参考訳（メタデータ） (2022-01-19T05:39:42Z)
• UAV-ReID: A Benchmark on Unmanned Aerial Vehicle Re-identification [21.48667873335246]
  近年のディープラーニング開発により、視覚ベースの対UAVシステムは単一のカメラでUAVを検出し、追跡することができる。 単一のカメラのカバー範囲は限られており、カメラ間のUAVにマッチするマルチカメラ構成が必要である。 我々は,この新興地域での機械学習ソリューションの開発を容易にする,UAV-reIDという新しいUAV再識別データセットを提案する。
  論文  参考訳（メタデータ） (2021-04-13T14:13:09Z)
• Monocular Quasi-Dense 3D Object Tracking [99.51683944057191]
  周囲の物体の将来の位置を予測し、自律運転などの多くのアプリケーションで観測者の行動を計画するためには、信頼性と正確な3D追跡フレームワークが不可欠である。 移動プラットフォーム上で撮影された2次元画像のシーケンスから,移動物体を時間とともに効果的に関連付け,その全3次元バウンディングボックス情報を推定するフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-12T15:30:02Z)
• Anti-UAV: A Large Multi-Modal Benchmark for UAV Tracking [59.06167734555191]
  Unmanned Aerial Vehicle (UAV)は、商業とレクリエーションの両方に多くの応用を提供している。 我々は、UAVを追跡し、位置や軌道などの豊富な情報を提供するという課題を考察する。 300以上のビデオペアが580k以上の手動で注釈付きバウンディングボックスを含むデータセット、Anti-UAVを提案します。
  論文  参考訳（メタデータ） (2021-01-21T07:00:15Z)
• Perceiving Traffic from Aerial Images [86.994032967469]
  本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。 UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
  論文  参考訳（メタデータ） (2020-09-16T11:37:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。