論文の概要: Training with synthetic data for drone detection in thermal imagery

• arxiv url: http://arxiv.org/abs/2608.17799v1
• Date: Tue, 18 Aug 2026 13:59:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-19 21:40:53.358439
• Title: Training with synthetic data for drone detection in thermal imagery
• Title（参考訳）: 熱画像におけるドローン検出のための合成データを用いた訓練
• Abstract要約: 中・長波赤外(MWIR/LWIR)画像における地上対空(G2A)ドローン検出は困難である。 本研究では,合成シーン生成と実データによる微調整を組み合わせた合成ファーストトレーニング戦略について検討する。
• 参考スコア（独自算出の注目度）: 0.9236074230806578
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ground-to-Air (G2A) drone detection in medium- and long-wave infrared (MWIR/LWIR) imagery is challenging due to reduced texture information, sensor noise, weak thermal contrast, and the scarcity of annotated data. This work investigates a synthetic-first training strategy that combines synthetic scene generation with fine-tuning on real data. We show that synthetic data provides an effective basis for learning initial object representations, while real in-domain thermal imagery is still essential for reliable deployment. Even small amounts of real IR data substantially reduce domain gaps. Our experiments indicate that dataset alignment has a stronger impact on performance than model scale. Finally, our analysis of the dataset suggests that semantic alignment in feature space is the strongest predictor of model performance, while radiometric properties such as entropy and dynamic range also contribute to detection robustness. This work provides a foundation for combining synthetic and real IR data for effective G2A drone detection.
• Abstract（参考訳）: 中・長波赤外(MWIR/LWIR)画像における地上対空(G2A)ドローン検出は,テクスチャ情報,センサノイズ,熱コントラストの弱さ,注釈付きデータの不足などにより困難である。 本研究では,合成シーン生成と実データによる微調整を組み合わせた合成ファーストトレーニング戦略について検討する。 合成データは初期オブジェクト表現の学習に有効な基礎を提供するが、実際のドメイン内熱画像は信頼性の高い展開には依然として不可欠である。 少数の実IRデータでさえ、領域のギャップを大幅に減らす。 実験の結果,データセットアライメントがモデルスケールよりもパフォーマンスに強い影響があることが示唆された。 最後に,特徴空間のセマンティックアライメントがモデル性能の最も強い予測因子であることを示すとともに,エントロピーやダイナミックレンジなどの放射特性もロバスト性の検出に寄与することを示した。 この研究は、効率的なG2Aドローン検出のための合成と実際のIRデータを組み合わせる基盤を提供する。

関連論文リスト

• Making the Discrete Continuous: Synthetic RAW Augmentations for Fine-Grained Evaluation of Person Detection Performance in Low Light [2.0651472773361976]
  本研究では, 最先端物体検出モデルの性能向上のために, 合成低照度試料をいかに利用できるかを示す。 我々は、カメラセンサのノイズモデルにマッチする低照度サンプルを生成するために、合成RAW画像拡張技術を用いている。 実データと合成低照度データのパフォーマンス指標は類似しており、AIモデルはそれらの区別が難しいことを示唆している。
  論文  参考訳（メタデータ） (2026-05-21T13:20:11Z)
• Real-Time Monocular Scene Analysis for UAV in Outdoor Environments [0.0]
  我々はCo-SemDepthという,2つのタスクを正確かつ迅速に実行可能な共同ディープラーニングアーキテクチャを提案する。 Co-SemDepthは、MidSeaと呼ばれる合成海洋データに基づいて訓練され、合成データと実データの両方でテストされている。
  論文  参考訳（メタデータ） (2026-03-09T14:08:50Z)
• AI-Generated Fall Data: Assessing LLMs and Diffusion Model for Wearable Fall Detection [3.5912245880418125]
  転倒検知システムの訓練は、特に高齢者の実際の転倒データの不足により困難である。 本研究では,現実的な転倒シナリオのシミュレーションにおいて,テキスト・ツー・モーションモデルとテキスト・ツー・テキストモデルを評価する。 合成データセットを生成し、4つの実世界のベースラインデータセットと統合し、秋検出性能への影響を評価する。
  論文  参考訳（メタデータ） (2025-05-07T02:30:33Z)
• SIRST-5K: Exploring Massive Negatives Synthesis with Self-supervised Learning for Robust Infrared Small Target Detection [53.19618419772467]
  単一フレーム赤外線小ターゲット検出(SIRST)は、乱雑な背景から小さなターゲットを認識することを目的としている。 Transformerの開発に伴い、SIRSTモデルのスケールは常に増大している。 赤外線小ターゲットデータの多彩な多様性により,本アルゴリズムはモデル性能と収束速度を大幅に改善する。
  論文  参考訳（メタデータ） (2024-03-08T16:14:54Z)
• UAV-Sim: NeRF-based Synthetic Data Generation for UAV-based Perception [62.71374902455154]
  ニューラルレンダリングの最近の進歩を利用して、静的および動的ノベルビューUAVベースの画像レンダリングを改善する。 本研究では,主に実データと合成データのハイブリッドセットに基づいて最先端検出モデルが最適化された場合,性能が大幅に向上することを示す。
  論文  参考訳（メタデータ） (2023-10-25T00:20:37Z)
• Exploring the Effectiveness of Dataset Synthesis: An application of Apple Detection in Orchards [68.95806641664713]
  本研究では,リンゴ樹の合成データセットを生成するための安定拡散2.1-baseの有用性について検討する。 我々は、現実世界のリンゴ検出データセットでリンゴを予測するために、YOLOv5mオブジェクト検出モデルを訓練する。 その結果、実世界の画像でトレーニングされたベースラインモデルと比較して、生成データでトレーニングされたモデルはわずかに性能が劣っていることがわかった。
  論文  参考訳（メタデータ） (2023-06-20T09:46:01Z)
• Minimizing the Accumulated Trajectory Error to Improve Dataset Distillation [151.70234052015948]
  本稿では,フラットな軌道を求める最適化アルゴリズムを提案する。 合成データに基づいてトレーニングされた重みは、平坦な軌道への正規化を伴う累積誤差摂動に対して頑健であることを示す。 本手法はFTD (Flat Trajectory Distillation) と呼ばれ, 勾配整合法の性能を最大4.7%向上させる。
  論文  参考訳（メタデータ） (2022-11-20T15:49:11Z)
• Learning to Simulate Realistic LiDARs [66.7519667383175]
  リアルLiDARセンサのデータ駆動シミュレーションのためのパイプラインを提案する。 本モデルでは, 透明表面上の落下点などの現実的な効果を符号化できることが示される。 我々は2つの異なるLiDARセンサのモデルを学習し、それに従ってシミュレーションされたLiDARデータを改善する。
  論文  参考訳（メタデータ） (2022-09-22T13:12:54Z)
• Learning class prototypes from Synthetic InSAR with Vision Transformers [2.41710192205034]
  火山活動の早期の兆候の検出は、火山の危険を評価するために重要である。 本稿では,合成干渉図の豊富な情報源を利用した新しい深層学習手法を提案する。 本報告では, 火山変動検出技術に勝る検出精度について報告する。
  論文  参考訳（メタデータ） (2022-01-09T14:03:00Z)
• Meta-UDA: Unsupervised Domain Adaptive Thermal Object Detection using Meta-Learning [64.92447072894055]
  赤外線(IR)カメラは、照明条件や照明条件が悪ければ頑丈である。 既存のUDA手法を改善するためのアルゴリズムメタ学習フレームワークを提案する。 KAISTおよびDSIACデータセットのための最先端熱検出器を作成した。
  論文  参考訳（メタデータ） (2021-10-07T02:28:18Z)

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。