論文の概要: Multi-View In-Cabin Monitoring System for Public Transport Vehicles

• arxiv url: http://arxiv.org/abs/2606.11739v1
• Date: Wed, 10 Jun 2026 07:16:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.337165
• Title: Multi-View In-Cabin Monitoring System for Public Transport Vehicles
• Title（参考訳）: 公共交通機関における多視点インキャビンモニタリングシステム
• Authors: Evgeny Gorelik, Kenny Dean Karrow, Fikret Sivrikaya, Sahin Albayrak, Christian Baumann,
• Abstract要約: デジタル化および部分的に自動化されたドイツの都市バスの車内を覆う4台の内向きカメラと回転するLiDARから、RGBと深度画像の同期による公共交通用多視点インキャビン監視データセットを導入する。 データセットにはアノテーション付きの9.136の同期サンプルが含まれており、キャリブレーションと擬似ラベルパイプラインが伴い、3Dのポーズ推定と、乗員の向き付けられた3Dバウンディングボックスを生成する。
• 参考スコア（独自算出の注目度）: 2.305309289946973
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce a multi-view in-cabin monitoring dataset for public transportation with synchronized RGB and depth images from four inward-facing cameras and a rotating LiDAR covering the vehicle interior of a digitalized and partly automated German city bus. The dataset contains 9.136 synchronized samples with annotations and is accompanied by a calibration and pseudo-labeling pipeline that generates 3D human pose estimates and oriented 3D bounding boxes for occupants. We further provide a nuScenes-format conversion and benchmark representative multi-view 3D detection models (e.g., Lift-Splat-Shoot and BEVFusion), supporting comparative evaluation and small-scale training of multi-view in-cabin perception models. The dataset and tools are available at https://github.com/EvgenyGorelik/multiview_incabin_dataset.
• Abstract（参考訳）: デジタル化および部分的に自動化されたドイツの都市バスの車内を覆う4つの内向きカメラと回転するLiDARから、RGBと奥行き画像とを同期した公共交通機関用の多視点インキャビン監視データセットを導入する。 データセットにはアノテーション付きの9.136の同期サンプルが含まれており、キャリブレーションと擬似ラベルパイプラインが伴い、3Dのポーズ推定と、乗員の向き付けられた3Dバウンディングボックスを生成する。 さらに、nuScenes-format変換とベンチマークの代表的マルチビュー3D検出モデル(例えば、Lift-Splat-ShootとBEVFusion)を提供し、比較評価とマルチビューインキャビン認識モデルの小規模トレーニングを支援している。 データセットとツールはhttps://github.com/EvgenyGorelik/multiview_incabin_datasetで公開されている。

関連論文リスト

• MV-SAM: Multi-view Promptable Segmentation using Pointmap Guidance [79.57732829495843]
  本稿では,ポイントマップを用いた3次元一貫性を実現する多視点セグメンテーションフレームワークMV-SAMを紹介する。 MV-SAMは画像を持ち上げて3D空間にプロンプトし、明示的な3Dネットワークや注釈付き3Dデータを必要としない。
  論文  参考訳（メタデータ） (2026-01-25T15:00:37Z)
• Multi-View 3D Point Tracking [67.21282192436031]
  本稿では,複数のカメラビューを用いた動的シーンにおける任意の点の追跡を目的とした,データ駆動型マルチビュー3Dポイントトラッカーについて紹介する。 本モデルでは,現実的な数のカメラを用いて直接3次元対応を推定する。 我々は5K合成多視点Kubricシーケンスをトレーニングし、2つの実世界のベンチマークで評価する。
  論文  参考訳（メタデータ） (2025-08-28T17:58:20Z)
• 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)
• TAPVid-3D: A Benchmark for Tracking Any Point in 3D [63.060421798990845]
  我々は,3Dにおける任意の点の追跡作業を評価するための新しいベンチマークTAPVid-3Dを導入する。 このベンチマークは、モノクロビデオから正確な3Dの動きと表面の変形を理解する能力を改善するためのガイドポストとして機能する。
  論文  参考訳（メタデータ） (2024-07-08T13:28:47Z)
• Synthehicle: Multi-Vehicle Multi-Camera Tracking in Virtual Cities [4.4855664250147465]
  複数の車両の追跡とセグメンテーションのための大規模な合成データセットを複数重なり合うカメラビューと非重なり合うカメラビューで提示する。 データセットは17時間のラベル付きビデオ素材で構成され、64の異なる日、雨、夜のシーンで340台のカメラから記録されている。
  論文  参考訳（メタデータ） (2022-08-30T11:36:07Z)
• SRCN3D: Sparse R-CNN 3D for Compact Convolutional Multi-View 3D Object Detection and Tracking [12.285423418301683]
  本稿では,スパースクエリ,ボックスワイズサンプリングによるスパースアテンション,スパース予測を組み込んだ新しい2段フルスパース検出器であるスパースR-CNN3Dを提案する。 nuScenesデータセットの実験では、SRCN3Dは3Dオブジェクト検出とマルチオブジェクト追跡の両方で競合性能を達成している。
  論文  参考訳（メタデータ） (2022-06-29T07:58:39Z)
• TICaM: A Time-of-flight In-car Cabin Monitoring Dataset [10.845284058153837]
  TICaMは、単一の広角深度カメラを使用して車両内部の監視のための飛行中キャビンモニタリングデータセットです。 運転中の動作の総括的リストを記録し,マルチモーダルなラベル付き画像を提供する。 実際の記録に加えて,同種の画像とアノテーションを用いた車内キャビン画像の合成データセットを提供する。
  論文  参考訳（メタデータ） (2021-03-22T10:48:45Z)
• 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)
• PerMO: Perceiving More at Once from a Single Image for Autonomous Driving [76.35684439949094]
  単一画像から完全テクスチャ化された車両の3次元モデルを検出し,セグメント化し,再構成する新しい手法を提案する。 私たちのアプローチは、ディープラーニングの強みと従来のテクニックの優雅さを組み合わせています。 我々はこれらのアルゴリズムを自律運転システムに統合した。
  論文  参考訳（メタデータ） (2020-07-16T05:02:45Z)

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。