論文の概要: Descriptor: LYNRED Mobility Dataset Multimodal Detection Subset (LYNRED-MDS)

• arxiv url: http://arxiv.org/abs/2607.01871v1
• Date: Thu, 02 Jul 2026 08:26:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 19:45:08.744765
• Title: Descriptor: LYNRED Mobility Dataset Multimodal Detection Subset (LYNRED-MDS)
• Title（参考訳）: Descriptor: LYNRED Mobility Dataset Multimodal Detection Subset (LYNRED-MDS)
• Abstract要約: フランスのグレノーブルで撮影された4000RGBの赤外線画像対からなるLYNRED-MDS: Multimodal Detection Subsetを紹介する。 我々のデータセットは、高度な運転支援システムのためのより信頼性が高く、デプロイ可能な視覚システムの開発を支援する。
• 参考スコア（独自算出の注目度）: 21.053811864320302
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current road safety systems primarily focus on minimizing post-collision damage. However, advances in algorithmic perception are shifting focus toward early collision prediction, especially in lowvisibility conditions like nighttime or fog, where thermal infrared sensing outperforms both human vision and RGB imaging. While available RGB-infrared datasets such as FLIR ADAS and LLVIP are good benchmarks, they mostly consist of clear weather and overly simple scenarios. In this article, we introduce the LYNRED-MDS: Multimodal Detection Subset, a subset of the LYNRED Mobility Dataset, comprised of 4000 RGB-infrared image pairs captured under diverse weather, lighting, and road conditions around Grenoble, France. Our dataset spans varied driving contexts (urban, rural, mountainous, etc.) and a vehicle fleet compliant with Western European standards. Thermal cross-dataset evaluation using a YOLOv8n baseline suggests that our dataset offers strong generalization potential for pedestrian detection in driving scenarios. By covering critical edge cases, our dataset supports the development of more reliable and deployable vision systems for advanced driver-assistance systems.
• Abstract（参考訳）: 現在の道路安全システムは、主に衝突後の被害を最小限にすることに焦点を当てている。 しかし、アルゴリズムによる知覚の進歩は、特に夜間や霧のような低視認性条件において、初期の衝突予測に焦点を移している。 FLIR ADASやLLVIPのような利用可能なRGB赤外線データセットは良いベンチマークであるが、その大部分は晴れた天気と過度に単純なシナリオで構成されている。 本稿では, LYNRED-MDS: Multimodal Detection Subset, a subset of the LYNRED Mobility Dataset, consist of 4000 RGB-infrared image pairs captured under various weather, lighting, and road conditions around Franceについて紹介する。 私たちのデータセットは、さまざまな運転状況(都市、農村、山岳など)と、西欧標準に準拠した車両群にまたがっています。 YOLOv8nベースラインを用いた熱的クロスデータセット評価は,運転シナリオにおける歩行者検出に強力な一般化可能性をもたらすことを示唆している。 重要なエッジケースをカバーすることで、私たちのデータセットは、高度な運転支援システムのためのより信頼性が高くデプロイ可能なビジョンシステムの開発を支援します。

関連論文リスト

• SkyEV: RGB-Event UAV detection and tracking dataset and baseline [7.035143064175411]
  高度に同期したRGBとイベントベースのデータを特徴とする,オープンソースのデータセットであるSkyEVを紹介する。 SkyEVは、カメラの動きや様々な光学装置など、複雑な現実世界の条件を捉えて、自分自身を区別する。 統一されたデータローダを提供し、実験ベースラインを確立し、挑戦的で小規模なターゲットを検出するデータセットの有効性を実証する。
  論文  参考訳（メタデータ） (2026-07-21T06:12:06Z)
• Event-RGB Adaptive Tracking for Nighttime Highway Perception [7.388485566907394]
  インテリジェントトランスポーテーションシステムは主に、交通認識と車両追跡のために従来のRGBカメラに依存している。 夜間のシナリオは、動きのぼやけ、露出不足、信号対雑音比の低さに悩まされ、RGBベースのセンシングシステムの信頼性が壊滅的に損なわれる。 本稿では,これらの制約に対処する新しい統合イベント-RGB適応トラッキング(JEAT)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-13T14:59:46Z)
• FEMOT: Multi-Object Tracking using Frame and Event Cameras [57.75021868843091]
  バイオインスパイアされたイベントカメラは、高時間分解能と高ダイナミックレンジを提供し、極端なシナリオ下で補完的な手がかりを提供する。 FEMOTは、さまざまな現実シナリオと14の課題属性をカバーした、大規模でRGBのマルチオブジェクト追跡データセットである。 FEMOTRは、RGBとイベント機能を分離し、周波数領域でそれらを融合するマルチモーダルトラッキングフレームワークである。
  論文  参考訳（メタデータ） (2026-06-12T04:17:41Z)
• Towards UAV Detection in the Real World: A New Multispectral Dataset UAVNet-MS and a New Method [80.50361258830928]
  UAVNet-MSは、微小UAV検出のための最初のマルチスペクトルデータセットである。 本稿では、アレイ誘起パララックスと空間-スペクトル融合に対処するデュアルストリームベースラインであるMFDNetを提案する。 この研究は、基礎的なデータセット、強力なベースライン、マルチスペクトルUAV監視研究のためのベンチマークを提供する。
  論文  参考訳（メタデータ） (2026-05-20T09:49:04Z)
• RASMD: RGB And SWIR Multispectral Driving Dataset for Robust Perception in Adverse Conditions [0.3141085922386211]
  短波長赤外線(SWIR)イメージングは、NIRとLWIRに対していくつかの利点がある。 現在の自律走行アルゴリズムは可視光スペクトルに大きく依存しており、悪条件下での性能劣化を招きやすい。 RGB と SWIR のマルチスペクトル駆動データセットを導入し,RGB-SWIR 画像ペアの同期化と空間整合化を実現した。
  論文  参考訳（メタデータ） (2025-04-10T09:54:57Z)
• Deep Depth Estimation from Thermal Image: Dataset, Benchmark, and Challenges [5.946838062187346]
  この原稿は、ステレオRGB、ステレオNIR、ステレオサーマル、ステレオLiDARデータ、半密度深度基底真理からなる大規模なマルチスペクトルステレオ(MS$2$)データセットを提供する。 MS$2$データセットには、さまざまな場所でキャプチャされた162Kの同期マルチモーダルデータペアが含まれている。
  論文  参考訳（メタデータ） (2025-03-28T00:46:55Z)
• Multi-modal Multi-platform Person Re-Identification: Benchmark and Method [58.59888754340054]
  MP-ReIDは、マルチモダリティとマルチプラットフォームReIDに特化した新しいデータセットである。 このベンチマークは、RGB、赤外線、サーマルイメージングなど、さまざまなモードで1,930のIDからデータをコンパイルする。 クロスモダリティとクロスプラットフォームシナリオに適した,特定設計のプロンプトを備えたフレームワークであるUni-Prompt ReIDを紹介する。
  論文  参考訳（メタデータ） (2025-03-21T12:27:49Z)
• Multi-Domain Biometric Recognition using Body Embeddings [51.36007967653781]
  身体埋め込みは中波長赤外線(MWIR)領域と長波長赤外線(LWIR)領域の顔埋め込みよりも優れていた。 我々は、IJB-MDFデータセット上でのベンチマーク結果を確立するために、ビジョントランスフォーマーアーキテクチャを活用している。 また, クロスエントロピーとトリプルト損失の単純な組み合わせで, VISデータにのみ事前訓練された体モデルを微調整することで, 最先端のmAPスコアが得られることを示す。
  論文  参考訳（メタデータ） (2025-03-13T22:38:18Z)
• Bringing RGB and IR Together: Hierarchical Multi-Modal Enhancement for Robust Transmission Line Detection [67.02804741856512]
  高速かつ高精度なTL検出のために,RGBとIRデータを統合したHMMEN(Hierarchical Multi-Modal Enhancement Network)を提案する。 提案手法では,(1)階層的RGBおよびIR特徴写像を大まかに融合・拡張するMMEB,(2)デコーダ出力とIR特徴写像の不整合を変形可能な畳み込みを利用して補正するFAB,の2つの重要な構成要素を紹介する。
  論文  参考訳（メタデータ） (2025-01-25T06:21:06Z)
• SEVD: Synthetic Event-based Vision Dataset for Ego and Fixed Traffic Perception [22.114089372056238]
  我々は、SEVD、第一種マルチビューエゴ、固定認識合成イベントベースデータセットを提案する。 SEVDは、都市、郊外、田園部、ハイウェイのシーンに、様々な種類の物体がある。 本研究では,最新のイベントベース (RED, RVT) とフレームベース (YOLOv8) を用いて,トラフィック検出タスクのデータセットを評価する。
  論文  参考訳（メタデータ） (2024-04-12T20:40:12Z)
• Drone-based RGB-Infrared Cross-Modality Vehicle Detection via Uncertainty-Aware Learning [59.19469551774703]
  ドローンによる車両検出は、空中画像中の車両の位置とカテゴリーを見つけることを目的としている。 我々はDroneVehicleと呼ばれる大規模ドローンベースのRGB赤外線車両検出データセットを構築した。 私たちのDroneVehicleは28,439RGBの赤外線画像を収集し、都市道路、住宅地、駐車場、その他のシナリオを昼から夜までカバーしています。
  論文  参考訳（メタデータ） (2020-03-05T05:29:44Z)

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。