論文の概要: LAA3D: A Benchmark of Detecting and Tracking Low-Altitude Aircraft in 3D Space

• arxiv url: http://arxiv.org/abs/2511.19057v1
• Date: Mon, 24 Nov 2025 12:50:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:25.196393
• Title: LAA3D: A Benchmark of Detecting and Tracking Low-Altitude Aircraft in 3D Space
• Title（参考訳）: LAA3D:3次元空間における低高度航空機の検出と追跡のベンチマーク
• Authors: Hai Wu, Shuai Tang, Jiale Wang, Longkun Zou, Mingyue Guo, Rongqin Liang, Ke Chen, Yaowei Wang,
• Abstract要約: 我々は、低高度航空機の3D検出と追跡を促進するために設計された大規模データセットであるLAA3Dを提案する。 LAA3Dには15,000枚の実像と600,000枚の合成フレームがあり、様々なシナリオで撮影されている。 電気垂直離着陸機(eVTOL)、マイクロ・エアリアル・ビークルズ(MAV)、ヘリコプターズ(Helicopters)など、複数の航空機カテゴリーをカバーする。
• 参考スコア（独自算出の注目度）: 46.00559036244609
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Perception of Low-Altitude Aircraft (LAA) in 3D space enables precise 3D object localization and behavior understanding. However, datasets tailored for 3D LAA perception remain scarce. To address this gap, we present LAA3D, a large-scale dataset designed to advance 3D detection and tracking of low-altitude aerial vehicles. LAA3D contains 15,000 real images and 600,000 synthetic frames, captured across diverse scenarios, including urban and suburban environments. It covers multiple aerial object categories, including electric Vertical Take-Off and Landing (eVTOL) aircraft, Micro Aerial Vehicles (MAVs), and Helicopters. Each instance is annotated with 3D bounding box, class label, and instance identity, supporting tasks such as 3D object detection, 3D multi-object tracking (MOT), and 6-DoF pose estimation. Besides, we establish the LAA3D Benchmark, integrating multiple tasks and methods with unified evaluation protocols for comparison. Furthermore, we propose MonoLAA, a monocular 3D detection baseline, achieving robust 3D localization from zoom cameras with varying focal lengths. Models pretrained on synthetic images transfer effectively to real-world data with fine-tuning, demonstrating strong sim-to-real generalization. Our LAA3D provides a comprehensive foundation for future research in low-altitude 3D object perception.
• Abstract（参考訳）: 3次元空間における低高度航空機(LAA)の知覚は、正確な3次元物体の局所化と行動理解を可能にする。 しかし、3DLAAの知覚に適したデータセットは依然として少ない。 このギャップに対処するため,低高度航空機の3D検出と追跡を高速化する大規模データセットであるLAA3Dを提案する。 LAA3Dには15,000枚の実像と600,000枚の合成フレームがあり、都市や郊外を含む様々なシナリオで撮影されている。 電気式垂直離着陸機(eVTOL)、マイクロ・エアリアル・ビークルズ(MAV)、ヘリコプターなど、複数の航空機カテゴリーをカバーしている。 各インスタンスには3Dバウンディングボックス、クラスラベル、インスタンスアイデンティティがアノテートされ、3Dオブジェクト検出、3Dマルチオブジェクトトラッキング(MOT)、6-DoFのポーズ推定などのタスクをサポートする。 さらに,複数のタスクとメソッドを統合したLAA3Dベンチマークを構築し,比較のための統一評価プロトコルを構築した。 さらに,焦点距離の異なるズームカメラを用いて,モノクロ3次元検出ベースラインであるMonoLAAを提案する。 合成画像に事前訓練されたモデルは、微調整で実世界のデータに効果的に転送され、強いシミュレート・トゥ・リアルな一般化を示す。 我々のLAA3Dは、低高度3D物体知覚における将来の研究のための総合的な基盤を提供する。

関連論文リスト

• 3D-MOOD: Lifting 2D to 3D for Monocular Open-Set Object Detection [62.57179069154312]
  最初のエンドツーエンド3Dモノクロオープンセットオブジェクト検出器(3D-MOOD)を紹介する。 私たちはオープンセットの2D検出を設計した3Dバウンディングボックスヘッドを通して3D空間に持ち上げます。 対象クエリを事前に幾何学的に条件付けし,様々な場面で3次元推定の一般化を克服する。
  論文  参考訳（メタデータ） (2025-07-31T13:56:41Z)
• Locate 3D: Real-World Object Localization via Self-Supervised Learning in 3D [68.23391872643268]
  LOCATE 3Dは「ソファーとランプの間の小さなコーヒーテーブル」のような表現から3Dシーンの物体をローカライズするモデルである センサー・オブザーバ・ストリーム(RGB-Dフレームの配置)を直接操作し、ロボットやARデバイスへの現実世界の展開を可能にする。
  論文  参考訳（メタデータ） (2025-04-19T02:51:24Z)
• OmniObject3D: Large-Vocabulary 3D Object Dataset for Realistic Perception, Reconstruction and Generation [107.71752592196138]
  OmniObject3Dを提案する。OmniObject3Dは,大規模で高品質な3Dオブジェクトを持つ大語彙の3Dオブジェクトデータセットである。 190のカテゴリーで6,000のスキャン対象からなり、一般的な2Dデータセットと共通クラスを共有する。 それぞれの3Dオブジェクトは、2Dと3Dの両方のセンサーでキャプチャされ、テクスチャメッシュ、ポイントクラウド、マルチビューレンダリング画像、複数の実写ビデオを提供する。
  論文  参考訳（メタデータ） (2023-01-18T18:14:18Z)
• Aerial Monocular 3D Object Detection [67.20369963664314]
  DVDETは2次元画像空間と3次元物理空間の両方で空中単分子3次元物体検出を実現するために提案される。 高度視差変形問題に対処するため,新しい測地変形変換モジュールを提案する。 より多くの研究者がこの領域を調査するよう促すため、データセットと関連するコードをリリースします。
  論文  参考訳（メタデータ） (2022-08-08T08:32:56Z)

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。