論文の概要: FOD-S2R: A FOD Dataset for Sim2Real Transfer Learning based Object Detection

• arxiv url: http://arxiv.org/abs/2512.01315v1
• Date: Mon, 01 Dec 2025 06:16:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.708412
• Title: FOD-S2R: A FOD Dataset for Sim2Real Transfer Learning based Object Detection
• Title（参考訳）: FOD-S2R:Sim2Real Transfer Learning を用いたオブジェクト検出のためのFODデータセット
• Authors: Ashish Vashist, Qiranul Saadiyean, Suresh Sundaram, Chandra Sekhar Seelamantula,
• Abstract要約: 航空機の燃料タンク内の異物爆発(FOD)は、重大な安全上の危険をもたらす。 燃料タンクの内部にある複雑な囲いのある環境のための専用のデータセットが不足している。 航空機燃料タンク内のFODの実画像と合成画像からなる新しいデータセットFOD-S2Rを提案する。
• 参考スコア（独自算出の注目度）: 17.442807911285772
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Foreign Object Debris (FOD) within aircraft fuel tanks presents critical safety hazards including fuel contamination, system malfunctions, and increased maintenance costs. Despite the severity of these risks, there is a notable lack of dedicated datasets for the complex, enclosed environments found inside fuel tanks. To bridge this gap, we present a novel dataset, FOD-S2R, composed of real and synthetic images of the FOD within a simulated aircraft fuel tank. Unlike existing datasets that focus on external or open-air environments, our dataset is the first to systematically evaluate the effectiveness of synthetic data in enhancing the real-world FOD detection performance in confined, closed structures. The real-world subset consists of 3,114 high-resolution HD images captured in a controlled fuel tank replica, while the synthetic subset includes 3,137 images generated using Unreal Engine. The dataset is composed of various Field of views (FOV), object distances, lighting conditions, color, and object size. Prior research has demonstrated that synthetic data can reduce reliance on extensive real-world annotations and improve the generalizability of vision models. Thus, we benchmark several state-of-the-art object detection models and demonstrate that introducing synthetic data improves the detection accuracy and generalization to real-world conditions. These experiments demonstrate the effectiveness of synthetic data in enhancing the model performance and narrowing the Sim2Real gap, providing a valuable foundation for developing automated FOD detection systems for aviation maintenance.
• Abstract（参考訳）: 航空機の燃料タンク内の異物デブリ(FOD)は、燃料汚染、システム障害、メンテナンスコストの増大など、重大な安全上の危険性を示す。 これらのリスクの深刻さにもかかわらず、燃料タンクの内部にある複雑な密閉された環境のための専用のデータセットが不足している。 このギャップを埋めるために、シミュレーションされた航空機燃料タンク内のFODの実画像と合成画像からなる新しいデータセットFOD-S2Rを提案する。 外部環境や屋外環境に焦点を当てた既存のデータセットとは異なり、我々のデータセットは、閉じた構造における実世界のFOD検出性能を高めるための合成データの有効性を体系的に評価する最初のものである。 実世界のサブセットは、制御された燃料タンクのレプリカで撮影された3,114個の高解像度HDイメージで構成され、合成サブセットは、Unreal Engineを使って生成された3,137個の画像を含んでいる。 データセットは、さまざまな視野(FOV)、オブジェクト距離、照明条件、色、オブジェクトサイズで構成されている。 先行研究は、合成データは、広範囲の現実世界のアノテーションへの依存を減らし、視覚モデルの一般化性を向上させることを実証している。 そこで本研究では,いくつかの最先端オブジェクト検出モデルをベンチマークし,合成データの導入により検出精度が向上し,実世界の状況への一般化が期待できることを示す。 これらの実験は、Sim2Realのギャップを狭めることによるモデル性能の向上における合成データの有効性を実証し、航空整備のための自動FOD検出システムの開発に有用な基盤を提供する。

関連論文リスト

• A Synthetic Dataset for Manometry Recognition in Robotic Applications [0.686108371431346]
  手続き的レンダリングとAI駆動のビデオ生成を統合したハイブリッドデータ合成パイプラインを提案する。 YOLOベースの検出器は、合成データセットに基づいて訓練され、実際のデータと合成データを組み合わせた。
  論文  参考訳（メタデータ） (2025-08-24T17:52:13Z)
• A workflow for generating synthetic LiDAR datasets in simulation environments [0.0]
  本稿では,自動運転車の認識,ロボット工学研究,センサセキュリティ解析を支援するために,合成LiDARデータセットを生成するシミュレーションワークフローを提案する。 都会のシナリオで運用されている模擬車両プラットフォームに飛行時間LiDAR、画像センサ、二次元スキャナを統合する。 本研究は, 対向点注入や偽造攻撃などのLiDARデータにおける潜在的なセキュリティ脆弱性を調査し, 合成データセットが防衛戦略の評価をいかに促進するかを実証する。
  論文  参考訳（メタデータ） (2025-06-20T17:56:15Z)
• Evaluating the Impact of Synthetic Data on Object Detection Tasks in Autonomous Driving [0.0]
  実・合成・混合データセットに基づいて訓練された2次元・3次元オブジェクト検出タスクを比較した。 その結果,実データと合成データを組み合わせることで,物体検出モデルのロバスト性や一般化が向上することが示唆された。
  論文  参考訳（メタデータ） (2025-03-12T20:13:33Z)
• Drive-1-to-3: Enriching Diffusion Priors for Novel View Synthesis of Real Vehicles [81.29018359825872]
  本稿では,実世界の課題に対して,大規模な事前学習モデルを微調整するための一連の優れたプラクティスを統合する。 具体的には,合成データと実運転データとの相違を考慮に入れたいくつかの戦略を開発する。 我々の洞察は、先行芸術よりも新しいビュー合成のためのFIDを68.8%値下げする効果のある微調整につながる。
  論文  参考訳（メタデータ） (2024-12-19T03:39:13Z)
• SynFog: A Photo-realistic Synthetic Fog Dataset based on End-to-end Imaging Simulation for Advancing Real-World Defogging in Autonomous Driving [48.27575423606407]
  フォトリアリスティックな霧画像を生成するために,エンド・ツー・エンドのシミュレーションパイプラインを導入する。 我々は、スカイライトとアクティブな照明条件の両方を特徴とするSynFogという新しい合成霧データセットを提案する。 実験の結果,SynFogで訓練したモデルでは,視覚知覚と検出精度が優れていた。
  論文  参考訳（メタデータ） (2024-03-25T18:32:41Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• AVOIDDS: Aircraft Vision-based Intruder Detection Dataset and Simulator [37.579437595742995]
  AVOIDDSは、視覚に基づく航空機の検知・回避問題に対する現実的な物体検出ベンチマークである。 各種照明条件を有する侵入機の光実写画像72,000枚からなるラベル付きデータセットを提供する。 また、このデータセットのスライス上でトレーニングされたモデルを評価し、環境条件の変化に対する性能の変化を特定するインタフェースも提供する。
  論文  参考訳（メタデータ） (2023-06-19T23:58:07Z)
• Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
  本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。 ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。 本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
  論文  参考訳（メタデータ） (2023-04-27T20:21:18Z)
• A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and Ground Truth [61.90504318229845]
  本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。 このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。 このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
  論文  参考訳（メタデータ） (2022-06-13T19:14:06Z)
• STPLS3D: A Large-Scale Synthetic and Real Aerial Photogrammetry 3D Point Cloud Dataset [6.812704277866377]
  本稿では,合成空中測光点雲生成パイプラインを提案する。 仮想ゲームで合成データを生成するのとは異なり、提案したパイプラインは実環境の再構築プロセスをシミュレートする。 我々は、リッチな注釈付き合成3D空中測光点クラウドデータセットを提案する。
  論文  参考訳（メタデータ） (2022-03-17T03:50:40Z)

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。