論文の概要: PMOF: A Dataset and Benchmark for Passenger Monitoring Using Overhead Fisheye Cameras

• arxiv url: http://arxiv.org/abs/2606.13910v1
• Date: Thu, 11 Jun 2026 21:04:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.649767
• Title: PMOF: A Dataset and Benchmark for Passenger Monitoring Using Overhead Fisheye Cameras
• Title（参考訳）: PMOF:オーバーヘッド魚眼カメラを用いた乗客監視のためのデータセットとベンチマーク
• Authors: Stella Katharina Wermuth, Qazi Arbab Ahmed, Klaus Neumann, Thorsten Jungeblut,
• Abstract要約: PMOF、Overhead Fisheyeカメラを用いた乗客監視、移動車内で撮影されたトップビュー魚眼画像の最初の公開データセットを紹介する。 PMOFは、ローテーションされたバウンディングボックス、識別子のトラッキング、アクションラベルを提供し、オブジェクト検出、トラッキング、アクション認識をサポートする。 以上の結果から,PMOFを取り入れたことにより検出性能が向上し,より広範囲な魚眼による人検出作業への客体監視以外の一般化が進んでいることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous staff-free public transport requires reliable in-vehicle passenger monitoring. However, perception inside moving vehicles is challenged by confined spaces, variable illumination, motion-induced background variation, occlusion, and limited viewpoints. To mitigate these spatial constraints, ceiling-mounted fisheye cameras provide full-scene coverage from a single viewpoint. Yet existing public overhead fisheye datasets are recorded in static environments and do not capture the domain shift introduced by vehicle motion. To fill this gap, we introduce PMOF, Passenger Monitoring using Overhead Fisheye cameras, the first public dataset of top-view fisheye imagery captured inside a moving vehicle, comprising over 19k manually annotated frames. PMOF provides rotated bounding boxes, tracking identifiers, and action labels, supporting object detection, tracking, and action recognition. We benchmark PMOF using YOLO26m-obb models fine-tuned under multiple dataset configurations that combine PMOF with existing overhead fisheye datasets. Cross-domain fine-tuning with custom rotation-aware augmentation achieves 94.8% AP50 on PMOF and 96.5% AP50 on an unseen overhead fisheye dataset from a different domain. Our results highlight the domain gap between static and moving environments and show that incorporating PMOF improves detection performance and advances generalization beyond passenger monitoring to broader fisheye-based person detection tasks. The dataset and code are available at https://swermuth.github.io/pmof/.
• Abstract（参考訳）: 自律的なスタッフレス公共交通機関は、車内監視の信頼性を必要とする。 しかし、移動車内の知覚は、狭い空間、可変照明、動きによって引き起こされる背景の変化、閉塞、限られた視点によって困難である。 これらの空間的制約を緩和するために、天井に取り付けられた魚眼カメラは、単一の視点からフルシーンのカバレッジを提供する。 しかし、既存の公共のオーバーヘッド魚眼データセットは静的環境に記録されており、車両の動きによってもたらされるドメインシフトを捉えていない。 このギャップを埋めるために、我々は、Overhead Fisheyeカメラを用いたPMOF、Passenger Monitoringを紹介します。 PMOFは、ローテーションされたバウンディングボックス、識別子のトラッキング、アクションラベルを提供し、オブジェクト検出、トラッキング、アクション認識をサポートする。 YOLO26m-obbモデルを用いてPMOFをベンチマークする。 PMOFでは94.8%のAP50を、別のドメインでは96.5%のAP50を達成している。 以上の結果から,PMOFを取り入れたことにより検出性能が向上し,より広範囲な魚眼による人検出作業への客体監視以外の一般化が進んでいることが示唆された。 データセットとコードはhttps://swermuth.github.io/pmof/で公開されている。

関連論文リスト

• AGC-Drive: A Large-Scale Dataset for Real-World Aerial-Ground Collaboration in Driving Scenarios [68.84774511206797]
  AGC-DriveはAerial-Ground Cooperativeの3D知覚のための最初の大規模実世界のデータセットである。 AGC-Driveには350のシーンがあり、それぞれ約100のフレームと13のオブジェクトカテゴリをカバーする完全な注釈付き3Dバウンディングボックスがある。 車両間協調認識と車両間協調認識の2つの3次元タスクのベンチマークを提供する。
  論文  参考訳（メタデータ） (2025-06-19T14:48:43Z)
• FisheyeDetNet: 360° Surround view Fisheye Camera based Object Detection System for Autonomous Driving [4.972459365804512]
  物体検出は自律走行における成熟した問題であり、歩行者検出は最初に展開されたアルゴリズムの1つである。 標準的なバウンディングボックスの表現は、特に周辺部において大きな放射歪みのため、魚眼カメラでは失敗する。 我々は、回転する有界箱、楕円、ポリゴンを極弧/角表現として設計し、これらの表現を分析するためにインスタンスセグメンテーションmIOUメートル法を定義する。 提案したモデルであるPhiteeyeDetNetは他より優れており、自動走行用Valeo fisheye around-viewデータセットのmAPスコアは49.5 %である。
  論文  参考訳（メタデータ） (2024-04-20T18:50:57Z)
• Towards Viewpoint Robustness in Bird's Eye View Segmentation [85.99907496019972]
  AV知覚モデルがカメラ視点の変化にどのように影響するかを考察する。 投機時のピッチ、ヨー、深さ、高さへの小さな変化は、大きな性能低下につながる。 本稿では,新しいビュー合成技術を導入し,収集したデータをターゲットリグの視点に変換する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-11T02:10:07Z)
• Large-Scale Person Detection and Localization using Overhead Fisheye Cameras [40.004888590123954]
  人検出と局所化のための,最初の大規模頭上魚眼データセットを提示する。 本研究では,魚眼者検出ネットワークを構築し,魚眼者検出ネットワークを構築した。 魚眼の位置決め液は、0.5mの精度で、0.1秒以内でFOVの全人物を特定できる。
  論文  参考訳（メタデータ） (2023-07-17T05:36:01Z)
• FishEye8K: A Benchmark and Dataset for Fisheye Camera Object Detection [12.054274610528458]
  魚眼カメラの交通監視のために準備された、既存のオープンデータセットはありません。 本稿では,道路物体検出タスクのためのFishEye8K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、台湾の日中市で18台の魚眼カメラを使って、22の動画で8000枚の画像で構成されている。
  論文  参考訳（メタデータ） (2023-05-27T11:26:25Z)
• AVisT: A Benchmark for Visual Object Tracking in Adverse Visibility [125.77396380698639]
  AVisTは、視認性の悪いさまざまなシナリオにおける視覚的トラッキングのためのベンチマークである。 AVisTは、80kの注釈付きフレームを持つ120の挑戦的なシーケンスで構成されており、18の多様なシナリオにまたがっている。 我々は、属性間でのトラッキング性能を詳細に分析し、AVisTで17の人気のトラッカーと最近のトラッカーをベンチマークした。
  論文  参考訳（メタデータ） (2022-08-14T17:49:37Z)
• Rope3D: TheRoadside Perception Dataset for Autonomous Driving and Monocular 3D Object Detection Task [48.555440807415664]
  道路沿いの知覚3Dデータセットに挑戦する最初のハイダイバーシティを提示する。 データセットは50Kイメージと、さまざまなシーンで1.5M以上の3Dオブジェクトで構成されている。 本稿では,様々なセンサや視点によって引き起こされるあいまいさを解決するために,幾何学的制約を活用することを提案する。
  論文  参考訳（メタデータ） (2022-03-25T12:13:23Z)
• Cross-Camera Feature Prediction for Intra-Camera Supervised Person Re-identification across Distant Scenes [70.30052164401178]
  人物再識別(Re-ID)は、重複しないカメラビュー間で人物画像をマッチングすることを目的としている。 ICS-DS Re-IDは、カメラ内IDラベル付きクロスカメラアンペアデータを使用してトレーニングを行う。 カメラ横断型自己監視情報マイニングのためのクロスカメラ特徴予測法 グローバルレベルの特徴とローカルレベルの特徴の合同学習は、グローバルなローカルなクロスカメラ特徴予測スキームを形成する。
  論文  参考訳（メタデータ） (2021-07-29T11:27:50Z)
• Perceiving Traffic from Aerial Images [86.994032967469]
  本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。 UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
  論文  参考訳（メタデータ） (2020-09-16T11:37:43Z)

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。