論文の概要: M$^2$E-UAV: A Benchmark and Analysis for Onboard Motion-on-Motion Event-Based Tiny UAV Detection
- arxiv url: http://arxiv.org/abs/2605.10496v1
- Date: Mon, 11 May 2026 12:54:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-12 23:28:50.821849
- Title: M$^2$E-UAV: A Benchmark and Analysis for Onboard Motion-on-Motion Event-Based Tiny UAV Detection
- Title（参考訳）: M$^2$E-UAV: オンボード動作イベントベースTiny UAV検出のためのベンチマークと解析
- Authors: Weiqi Yan, Lixin Chen, Xiangrui Hou, Zhipeng Cai, Youbiao Wang, Yangyang Shi, Yu Zang, Cheng Wang,
- Abstract要約: M$2$E-UAVは、オンボード・モーション・オン・モーション・イベントベースの小型UAV検知のためのベンチマークと分析のセットアップである。
我々は、点ベースのイベントベースラインであるM$2$E-Pointと、IMU条件付き変種であるM$2$E-Point + IMUを提供し、慣性キューの役割を分析する。
- 参考スコア（独自算出の注目度）: 20.01651780259493
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Tiny UAV detection from an onboard event camera is difficult when the observer and target move at the same time. In this motion-on-motion regime, ego-motion activates background edges across buildings, vegetation, and horizon structures, while the UAV may appear as a sparse event cluster. To explore this practical problem, we present M$^2$E-UAV, a benchmark and analysis setup for onboard motion-on-motion event-based tiny UAV detection. The processed M$^2$E-UAV benchmark contains 87,223 training samples and 21,395 validation samples across four scene families: sunny building-forest, sunny farm-village, sunset building-forest, and sunset farm-village. We provide M$^2$E-Point, a point-based event baseline, and M$^2$E-Point + IMU, an IMU-conditioned variant, to analyze the role of inertial cues under onboard motion-on-motion detection. M$^2$E-Point encodes events as $[x,y,t,p]$ point sets, extracts local event structure with EdgeConv, and predicts event-level UAV foreground scores, from which bounding boxes are derived via DBSCAN. Our validation-stage analysis shows that point-based event modeling is a strong baseline, while simple IMU conditioning provides only marginal aggregate gains. Under the train/validation split, M$^2$E-Point achieves 0.9673 F1 and 0.5501 mAP50-95, while the IMU-conditioned variant reaches 0.5561 mAP50-95 with only marginal aggregate changes, serving as an initial baseline for future exploration in this domain. Code will be ready in https://github.com/Wickyan/M2E-UAV.
- Abstract（参考訳）: 観測者と目標が同時に移動する場合、搭載されたイベントカメラからの微妙なUAV検出は困難である。
このモーション・オン・ムーブメントでは、エゴモーションは建物、植生、地平線構造にまたがる背景エッジを活性化し、UAVはスパース・イベント・クラスタとして現れる。
そこで本研究では,M$^2$E-UAVを提案する。
処理されたM$^2$E-UAVベンチマークは、日当たりの農業用地、日没の農業用地、日没の農業用地、日没の農場用地である4つのシーンファミリの87,223のトレーニングサンプルと21,395の検証サンプルを含む。
IMUの条件付き変種であるM$^2$E-PointとM$^2$E-Point + IMUを提供し、オンボード動作検出における慣性キューの役割を分析する。
M$^2$E-Pointはイベントを$[x,y,t,p]$ポイントセットとしてエンコードし、EdgeConvでローカルイベント構造を抽出し、イベントレベルのUAVフォアグラウンドスコアを予測する。
我々の検証段階分析では、ポイントベースのイベントモデリングが強力なベースラインであるのに対し、単純なIMU条件付けは限界集約ゲインのみを提供する。
M$^2$E-Pointは0.9673 F1と0.5501 mAP50-95を達成し、IMU条件の派生型は0.5561 mAP50-95に到達した。
コードはhttps://github.com/Wickyan/M2E-UAV.comで提供される。
関連論文リスト
- IndoorCrowd: A Multi-Scene Dataset for Human Detection, Segmentation, and Tracking with an Automated Annotation Pipeline [39.799207552858114]
IndoorCrowdは、屋内での人間検出、インスタンスセグメンテーション、マルチオブジェクトトラッキングのためのデータセットである。
お値段は31ドル(約3,300円)で、人間認証されたインスタンスごとのセグメンテーションマスクがついている。
論文 参考訳（メタデータ） (2026-04-02T13:38:31Z) - LAF-YOLOv10 with Partial Convolution Backbone, Attention-Guided Feature Pyramid, Auxiliary P2 Head, and Wise-IoU Loss for Small Object Detection in Drone Aerial Imagery [0.0]
無人航空機は、監視、交通監視、災害対応のための主要なセンシングプラットフォームとして機能する。
現在の検出器は、わずか数ピクセルのターゲット、散らかった背景、重い閉塞、厳格な計算予算など、UAV固有の課題に対処している。
この研究は、YOLOv10n上に構築されたRAF-YOLOv10を紹介し、ドローン画像の小さな物体検出を改善するために4つの補完技術を統合する。
論文 参考訳（メタデータ） (2026-02-13T18:23:54Z) - How Far are Modern Trackers from UAV-Anti-UAV? A Million-Scale Benchmark and New Baseline [74.4054700050366]
無人航空機(UAV)は広範囲のアプリケーションを提供するが、安全性とプライバシー侵害のリスクも大きい。
現在の反UAV研究は、主に固定地上カメラで撮影したRGB、赤外線(IR)、またはRGB-IRビデオに焦点を当てている。
本稿では,UAV-Anti-UAVと呼ばれるマルチモーダル視覚追跡タスクを提案する。
論文 参考訳（メタデータ） (2025-12-08T10:19:54Z) - Event-based Tiny Object Detection: A Benchmark Dataset and Baseline [37.60578568397082]
アンチUAVタスクにおける小さな物体検出(SOD)は、UAVの小さいサイズと複雑な背景のために難しい問題である。
イベントカメラは、マイクロ秒の時間分解能と高いダイナミックレンジを持ち、より効果的なSODソリューションを提供する。
既存のイベントベースのオブジェクト検出データセットは、スケールが制限され、大きなターゲットサイズが特徴であり、バックグラウンドの多様性が欠如しているため、SODベンチマークには適さない。
本稿では,イベントベーススモールオブジェクト検出(EVSOD)データセット(EV-UAV)を紹介する。
論文 参考訳（メタデータ） (2025-06-30T07:28:50Z) - Rip Current Segmentation: A Novel Benchmark and YOLOv8 Baseline Results [60.656120527353096]
リップ電流は、世界中の多くのビーチで致命的な事故や怪我の原因となっている。
新たに作成された多角形アノテーションを例として,2,466ドルの画像を含む包括的データセットを提案する。
約2,400ドル(約2,800円)のドローンビデオからなる新しいデータセットを30FPS$で取得し,インスタンスセグメンテーション用のポリゴンとオブジェクト検出用のバウンディングボックスの両方でアノテートする。
論文 参考訳（メタデータ） (2025-04-03T13:14:16Z) - UAVDB: Point-Guided Masks for UAV Detection and Segmentation [0.03464344220266879]
UAVの検出とセグメンテーションのための新しいベンチマークデータセットであるUAVDBを提案する。
ポイント誘導の弱い監視パイプライン上に構築されている。
UAVDBは、可視オブジェクトからほぼ1ピクセルのインスタンスまで、さまざまなスケールでUAVをキャプチャする。
論文 参考訳（メタデータ） (2024-09-09T13:27:53Z) - SOOD++: Leveraging Unlabeled Data to Boost Oriented Object Detection [68.18620488664187]
本稿では,SOOD++ と呼ばれる簡易かつ効果的な半教師付きオブジェクト指向検出手法を提案する。
具体的には、空中画像からの物体は、通常任意の向き、小さなスケール、密度分布を持つ。
各種ラベル付き環境下での多目的対象物に対する大規模な実験により,本手法の有効性が示された。
論文 参考訳（メタデータ） (2024-07-01T07:03:51Z) - Revisiting Few-Shot Object Detection with Vision-Language Models [49.79495118650838]
我々は、最近の基礎視覚言語モデル(VLM)の文脈で、少数ショットオブジェクト検出(FSOD)のタスクを再考する。
我々は,任意の外部データ上で事前学習された検出器を評価する新しいベンチマークプロトコルであるFoundational FSODを提案する。
CVPR 2024 Foundational FSOD コンペティションについて論じ,コミュニティからの洞察を共有した。
論文 参考訳（メタデータ） (2023-12-22T07:42:00Z) - MOR-UAV: A Benchmark Dataset and Baselines for Moving Object Recognition
in UAV Videos [12.25388945174071]
本稿では,空中映像における物体認識のための大規模ビデオデータセットであるMOR-UAVを紹介する。
さまざまなシナリオで10,948フレームからなる30UAVビデオから収集した89,783件の移動オブジェクトインスタンスに注釈を付ける。
UAVビデオにおけるMORのための深い統合フレームワークMOR-UAVNetを提案する。
論文 参考訳（メタデータ） (2020-08-04T17:02:29Z) - Dense Scene Multiple Object Tracking with Box-Plane Matching [73.54369833671772]
マルチオブジェクトトラッキング(MOT)はコンピュータビジョンにおいて重要なタスクである。
密集したシーンにおけるMOT性能を改善するために,Box-Plane Matching (BPM)法を提案する。
3つのモジュールの有効性により、ACM MM Grand Challenge HiEve 2020において、私たちのチームはトラック1のリーダーボードで1位を獲得しました。
論文 参考訳（メタデータ） (2020-07-30T16:39:22Z)
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。