論文の概要: WildLIFT: Lifting monocular drone video to 3D for species-agnostic wildlife monitoring

• arxiv url: http://arxiv.org/abs/2604.24718v1
• Date: Mon, 27 Apr 2026 17:29:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:08.270195
• Title: WildLIFT: Lifting monocular drone video to 3D for species-agnostic wildlife monitoring
• Title（参考訳）: WildLIFT: 一眼レフのドローンを3Dにリフティングして野生生物の種別モニタリング
• Authors: Vandita Shukla, Fabio Remondino, Blair Costelloe, Benjamin Risse,
• Abstract要約: モノクラードローンビデオから3Dシーンの幾何学とオープン語彙の2Dインスタンスセグメンテーションを統合するフレームワークであるWildLIFTを紹介する。 2581年4つの大型哺乳類の6,700点以上の3D検出を手作業で行うことにより,この枠組みを検証した。
• 参考スコア（独自算出の注目度）: 2.8622185759617906
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Monocular RGB cameras mounted on drones are widely used for wildlife monitoring, yet most analytical pipelines remain confined to two-dimensional image space, leaving geometric information in video underexploited. We present WildLIFT, a computational framework that integrates three-dimensional scene geometry from monocular drone video with open-vocabulary 2D instance segmentation to enable species-agnostic 3D detection and tracking. Oriented 3D bounding box labels with semantic face information enable quantitative assessment of viewpoint coverage and inter-animal occlusion, producing structured metadata for downstream ecological analyses. We validate the framework on 2,581 manually curated frames comprising over 6,700 3D detections across four large mammal species. WildLIFT maintains high identity consistency in multi-animal scenes and substantially reduces manual 3D annotation effort through keyframe-based refinement. By transforming standard drone footage into structured 3D and viewpoint-aware representations, WildLIFT extends the analytical utility of aerial wildlife datasets for behavioural research and population monitoring.
• Abstract（参考訳）: ドローンに搭載された単眼のRGBカメラは野生生物の監視に広く利用されているが、ほとんどの分析パイプラインは2次元の画像空間に限られており、幾何学的な情報はビデオに埋もれている。 本研究では,モノクラードローンビデオから3次元シーン形状をオープンな2Dインスタンスセグメンテーションと統合し,種非依存の3D検出と追跡を可能にする計算フレームワークWildLIFTを提案する。 セマンティックフェイス情報を用いた3D境界ボックスラベルは、視点カバレッジと動物間閉塞の定量的評価を可能にし、下流の生態分析のための構造化メタデータを生成する。 大型哺乳動物4種の6,700点以上の3D検出を手作業で行う2,581点の枠組みを検証した。 WildLIFTは、マルチアニマルシーンにおける高いアイデンティティ一貫性を維持し、キーフレームベースのリファインメントを通じて、手動の3Dアノテーションの労力を大幅に削減する。 標準的なドローン映像を構造化された3Dおよび視点対応の表現に変換することで、WildLIFTは、行動研究と人口監視のための空中野生生物データセットの分析的有用性を拡張する。

関連論文リスト

• Adding Another Dimension to Image-based Animal Detection [3.0707196190091532]
  検出アルゴリズムは、カメラに対して動物の向きに関する情報が欠けている2Dバウンディングボックスにつながる。 本稿では,3次元境界ボックスを推定し,ロバストなラベルとして2次元画像空間に投影するパイプラインを提案する。 この手法をアニマル3Dデータセット上で評価し,種や設定の精度を検証した。
  論文  参考訳（メタデータ） (2026-04-10T10:57:55Z)
• SpatialTrackerV2: 3D Point Tracking Made Easy [73.0350898700048]
  SpaceTrackerV2はモノクロビデオのフィードフォワード3Dポイントトラッキング手法である。 これは、世界空間の3Dモーションをシーン幾何学、カメラエゴモーション、ピクセルワイドオブジェクトモーションに分解する。 このような異種データから幾何学と運動を共同で学習することで、SpatialTrackerV2は既存の3Dトラッキング方法よりも30%優れています。
  論文  参考訳（メタデータ） (2025-07-16T17:59:03Z)
• MCBLT: Multi-Camera Multi-Object 3D Tracking in Long Videos [39.75692195719607]
  MCBLTという3次元物体検出・追跡フレームワークを提案する。 既存の方法とは異なり、MCBLTは様々なシーンにまたがって印象的な一般化性を持ち、カメラの設定も様々である。 提案した MCBLT は AICity'24 データセットに 81.22$ HOTA で,WildTrack データセットに 95.6$ IDF1 で新たな最先端技術を確立する。
  論文  参考訳（メタデータ） (2024-12-01T06:18:06Z)
• Virtual Pets: Animatable Animal Generation in 3D Scenes [84.0990909455833]
  仮想ペット(Virtual Pet)は、3次元環境下での標的動物種に対する現実的で多様な動きをモデル化するための新しいパイプラインである。 我々はモノクロインターネットビデオを活用し、背景と背景の静的なNeRF表現に対して変形可能なNeRF表現を抽出する。 我々は,種レベルの共有テンプレート学習とビデオ毎の微調整を含む再構築戦略を開発する。
  論文  参考訳（メタデータ） (2023-12-21T18:59:30Z)
• AutoDecoding Latent 3D Diffusion Models [95.7279510847827]
  本稿では,3次元オートデコーダをコアとした静的・明瞭な3次元アセットの生成に対して,新しいアプローチを提案する。 3D Autodecoderフレームワークは、ターゲットデータセットから学んだプロパティを潜時空間に埋め込む。 次に、適切な中間体積潜在空間を特定し、ロバストな正規化と非正規化演算を導入する。
  論文  参考訳（メタデータ） (2023-07-07T17:59:14Z)
• 3D-POP -- An automated annotation approach to facilitate markerless 2D-3D tracking of freely moving birds with marker-based motion capture [1.1083289076967897]
  本研究では,モーションキャプチャ(mo-cap)システムを用いて,動物の動きや姿勢のアノテートデータを半自動で取得する手法を提案する。 本手法は, 動物に付着するマーカーの位置に関して, 形態的キーポイントの3次元位置を抽出する手法である。 この手法を用いて、ビデオ形式で約300万の注釈付きフレーム(400万インスタンス)を持つ3D-POPという新しいデータセットを得た。
  論文  参考訳（メタデータ） (2023-03-23T11:03:18Z)
• Gait Recognition in the Wild with Dense 3D Representations and A Benchmark [86.68648536257588]
  既存の歩行認識の研究は、制約されたシーンにおける人間の体のシルエットや骨格のような2D表現によって支配されている。 本稿では,野生における歩行認識のための高密度な3次元表現の探索を目的とする。 大規模な3D表現に基づく歩行認識データセットGait3Dを構築した。
  論文  参考訳（メタデータ） (2022-04-06T03:54:06Z)
• AcinoSet: A 3D Pose Estimation Dataset and Baseline Models for Cheetahs in the Wild [51.35013619649463]
  我々はAcinoSetと呼ばれる野生のフリーランニングチーターの広範なデータセットを提示する。 データセットには、119,490フレームのマルチビュー同期高速ビデオ映像、カメラキャリブレーションファイル、7,588フレームが含まれている。 また、結果の3D軌道、人間チェックされた3D地上真実、およびデータを検査するインタラクティブツールも提供される。
  論文  参考訳（メタデータ） (2021-03-24T15:54:11Z)

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。