Fugu-MT 論文翻訳(概要): G-MAD: A Game-Based Data Generation Framework for Multi-View RGB-T Aerial Object Detection

論文の概要: G-MAD: A Game-Based Data Generation Framework for Multi-View RGB-T Aerial Object Detection

arxiv url: http://arxiv.org/abs/2607.19942v2
Date: Mon, 27 Jul 2026 16:15:51 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-28 14:56:47.033236
Title: G-MAD: A Game-Based Data Generation Framework for Multi-View RGB-T Aerial Object Detection
Title（参考訳）: G-MAD:多視点RGB-T空中物体検出のためのゲームベースデータ生成フレームワーク
Authors: Yechan Kim, JongHyun Park, Dongho Yoon, Namhoon Jung, Moongu Jeon,
Abstract要約: この研究は、Arma3を使って空中物体検出のための同期マルチビューRGB-Tデータを生成するオープンソースのフレームワークであるG-MADを紹介する。 G-MADは、視点制御、不完全なRGB-Tアライメント、高アノテーションコストを含む、現実世界の航空データセット構築の重要な制限に対処する。このフレームワークは、構造化シナリオ仕様、制御可能なマルチビューカメラ配置、同時可視/熱的キャプチャ、自動バウンディングボックスアノテーションをサポートする。
参考スコア（独自算出の注目度）: 8.318686824572803
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This work introduces G-MAD, an open-source framework that uses Arma3 to generate synchronized multi-view RGB-T data for aerial object detection. G-MAD addresses key limitations of real-world aerial dataset construction, including limited viewpoint control, imperfect RGB-T alignment and high annotation cost. The framework supports structured scenario specification, controllable multi-view camera placement, simultaneous visible/thermal capture, and automatic bounding box annotation using engine-level geometric metadata. These capabilities enable controlled studies of viewpoint variation, multi-modal fusion, and synthetic-to-real transfer in aerial object detection. Besides, using G-MAD, we construct and release AMOD, a new large-scale multi-view aerial RGB-T object detection benchmark. The source code and the dataset are available at https://unique-chan.github.io/G-MAD-Project.
Abstract（参考訳）: この研究は、Arma3を使って空中物体検出のための同期マルチビューRGB-Tデータを生成するオープンソースのフレームワークであるG-MADを紹介する。 G-MADは、視点制御、不完全なRGB-Tアライメント、高アノテーションコストを含む、現実世界の航空データセット構築の重要な制限に対処する。このフレームワークは、構造化シナリオ仕様、制御可能なマルチビューカメラ配置、同時可視/熱的キャプチャ、エンジンレベルの幾何学メタデータを使った自動バウンディングボックスアノテーションをサポートする。これらの能力は、空中物体検出における視点変化、多モード融合、および合成から現実への移動の制御可能な研究を可能にする。さらに、G-MADを用いて、大規模多視点空中RGB-Tオブジェクト検出ベンチマークであるAMODを構築し、リリースする。ソースコードとデータセットはhttps://unique-chan.github.io/G-MAD-Projectで公開されている。

関連論文リスト

CoGeoAD: Hierarchical Color-Geometric Fusion with Multi-View Attention for Zero-Shot 3D Anomaly Detection [5.069582722808145]
CoGeoADは、CLIPベースの統一フレームワークで、ピクセル整列した複数ビュー画像を構築することで、色と幾何学的特徴を融合する。 MVTec3D-ADとEyecandiesベンチマークの実験は、CoGeoADが最先端のパフォーマンスを達成することを示した。
論文参考訳（メタデータ） (2026-06-24T01:12:22Z)
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)
MMOT: The First Challenging Benchmark for Drone-based Multispectral Multi-Object Tracking [30.3437683353074]
MMOTは、ドローンベースのマルチスペクトルマルチオブジェクトトラッキングのための最初のベンチマークである。 125の動画シーケンスと8つのカテゴリにわたる488.8Kアノテーションがある。スペクトル特徴の抽出と指向アノテーションの活用のために,マルチスペクトルおよび指向性を考慮したMOT方式を提案する。
論文参考訳（メタデータ） (2025-10-14T14:25:17Z)
Multistream Network for LiDAR and Camera-based 3D Object Detection in Outdoor Scenes [59.78696921486972]
LiDARとRGBデータの融合により、屋外の3Dオブジェクト検出精度が向上する可能性がある。両データモダリティからタスク関連情報を的確に抽出するMultiStream Detection (MuStD) ネットワークを提案する。
論文参考訳（メタデータ） (2025-07-25T14:20:16Z)
Heterogeneous Graph Transformer for Multiple Tiny Object Tracking in RGB-T Videos [31.910202172609313]
既存のマルチオブジェクト追跡アルゴリズムは、一般的に単一のモダリティシーンに焦点を当てている。我々はHGTトラック(異種グラフ変換器に基づくマルチTiny-Object Tracking)と呼ばれる新しいフレームワークを提案する。本稿では,RGB-Tを融合した複数物体追跡のためのVT-Tiny-MOT (Visible-Thermal Tiny Multi-Object Tracking) の最初のベンチマークを紹介する。
論文参考訳（メタデータ） (2024-12-14T15:17:49Z)
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)
ViDSOD-100: A New Dataset and a Baseline Model for RGB-D Video Salient Object Detection [51.16181295385818]
まず、注釈付きRGB-D video SODOD(DSOD-100)データセットを収集し、合計9,362フレーム内に100の動画を含む。各ビデオのフレームはすべて、高品質なサリエンシアノテーションに手動で注釈付けされる。本稿では,RGB-Dサリアンオブジェクト検出のための新しいベースラインモデル,attentive triple-fusion network (ATF-Net)を提案する。
論文参考訳（メタデータ） (2024-06-18T12:09:43Z)
PoIFusion: Multi-Modal 3D Object Detection via Fusion at Points of Interest [65.48057241587398]
PoIFusionは、関心点(PoIs)におけるRGBイメージとLiDARポイントクラウドに関する情報を融合するフレームワークである。提案手法は,各モダリティの視点を維持し,計算にやさしいプロジェクションと計算によってマルチモーダル特徴を得る。我々はnuScenesとArgoverse2データセットについて広範囲に実験を行い、我々のアプローチを評価した。
論文参考訳（メタデータ） (2024-03-14T09:28:12Z)
Visible-Thermal UAV Tracking: A Large-Scale Benchmark and New Baseline [80.13652104204691]
本稿では,可視熱UAV追跡(VTUAV)のための高多様性の大規模ベンチマークを構築する。本稿では, フレームレベルの属性を, チャレンジ固有のトラッカーの可能性を利用するための粗粒度属性アノテーションを提案する。さらに,様々なレベルでRGB-Tデータを融合するHMFT(Hierarchical Multi-modal Fusion Tracker)という新しいRGB-Tベースラインを設計する。
論文参考訳（メタデータ） (2022-04-08T15:22:33Z)

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。