論文の概要: A-PAIR: A Benchmark and Identity-Consistent Grounding Framework for Air-Ground Cross-View Referring Person Detection
- arxiv url: http://arxiv.org/abs/2608.27997v1
- Date: Fri, 28 Aug 2026 07:05:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 17:16:04.234684
- Title: A-PAIR: A Benchmark and Identity-Consistent Grounding Framework for Air-Ground Cross-View Referring Person Detection
- Title（参考訳）: A-PAIR: 人物検出のための空域クロスビューのためのベンチマークおよびアイデンティティ一貫性グラウンドティングフレームワーク
- Abstract要約: Air-Ground Cross-View Referring Person Detection (AGCV-RPD) は、同様の歩行者の注意散らし、外見の弱さ、対面のアイデンティティの整合性を含む。
連立空対選択のための要因付き参照接地, 候補完全性監視, クロスビュー整合校正を組み合わせた枠組みであるICRGを提案する。
- 参考スコア（独自算出の注目度）: 12.2906157401848
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Air-ground cross-view referring person detection is a necessary component in the language-to-perception-to-control chain of collective embodied intelligence, grounding a language command into the same physical target before ground and aerial agents can coordinate downstream actions. Existing referring expression comprehension and open-vocabulary grounding methods do not jointly account for cross-view identity consistency, making them insufficient for Air-Ground Cross-View Referring Person Detection (AGCV-RPD), which involves similar pedestrian distractors, weak aerial appearance cues, and cross-view identity consistency. To study this problem, we introduce Air-Ground Paired Identity-Aware Referring (A-PAIR), the first comprehensive AGCV-RPD benchmark, containing 22,137 cross-view referring samples. To construct A-PAIR efficiently, we propose Factorized Annotation and Referential Alignment (FARA), a semi-automatic annotation framework that generates factorized referring descriptions and identity-consistency supervision at reduced cost. We propose Identity-Consistent Referring Grounding (ICRG), a framework that combines factorized referential grounding, candidate-completeness supervision, and cross-view consistency calibration for joint air-ground pair selection. ICRG improves ground, aerial, and pair-level detection over strong baselines, increasing pair F1 from 16.65% to 22.28%. These results show that AGCV-RPD requires paired detection and identity-consistent reasoning.
- Abstract（参考訳）: 地上のクロスビュー参照人検出は、言語コマンドを地上と航空エージェントが下流の行動を調整する前に同じ物理的ターゲットにグラウンド化することで、集団的インテリジェンス(英語版)の言語対知覚制御チェーンにおいて必要となる要素である。
既存の参照表現理解とオープンボキャブラリ接地法は、クロスビューアイデンティティの整合性を共同で考慮していないため、類似した歩行者の注意散らし、航空外観の弱さ、およびクロスビューアイデンティティの整合性を含む、エア・グラウンド・クロスビュー・レファレンス・パーソナリティ(AGCV-RPD)には不十分である。
本稿では,A-PAIR (Air-Gaired Paired Identity-Aware Referring) という,22,137点のクロスビュー参照サンプルを含む最初の総合的なAGCV-RPDベンチマークを紹介する。
本稿では,A-PAIRを効率的に構築するためにFactized Annotation and Referential Alignment (FARA)を提案する。
連立空対選択のための要因付き参照接地, 候補完全性監視, クロスビュー整合校正を組み合わせた枠組みであるICRGを提案する。
ICRGは、強いベースライン上での地上、空中、対レベルの検出を改善し、対F1を16.65%から22.28%に増やす。
これらの結果から,AGCV-RPDはペア検出と同一性を持つ推論を必要とすることが示唆された。
関連論文リスト
- RefAerial: A Benchmark and Approach for Referring Detection in Aerial Images [26.44128761701781]
本稿では,RefAerialと呼ばれる空中画像の検出を参照するための大規模な挑戦的データセットを提案する。
本手法は,(1)低照度かつ多照度,(2)多照度,(3)複雑できめ細かい参照記述,(4)多照度,広視野の4つの特徴により,従来の地表面参照検出データセットと区別する。
論文 参考訳（メタデータ） (2026-04-22T13:27:26Z) - Ego to World: Collaborative Spatial Reasoning in Embodied Systems via Reinforcement Learning [61.753025885751036]
本稿では,3つのタスクにまたがる異種視点を融合する視覚言語モデルの能力を評価するEgo-to-Worldベンチマークを提案する。
我々は,2段階のフレームワークであるCoRLを提案し,チェイン・オブ・ソート(Chain-of-Thought)を教師付き微調整と強化学習を組み合わせた。
我々は、CoRLが、推論と知覚グラウンドのメトリクスの両方において、強力なプロプライエタリおよびオープンソースベースラインを一貫して超越していることを示します。
論文 参考訳（メタデータ） (2026-03-16T04:27:53Z) - GSAlign: Geometric and Semantic Alignment Network for Aerial-Ground Person Re-Identification [32.31970656501684]
Aerial-Ground person re-identification (AG-ReID) は、歩行者のイメージを根本的に異なる視点からマッチングすることを目的とした、新たな課題である。
この課題は、極端に視点のずれ、ワープ、空中画像と地上画像の間の領域ギャップのために重大な課題を生じさせる。
論文 参考訳（メタデータ） (2025-10-25T12:16:10Z) - Recurrent Cross-View Object Geo-Localization [23.685973292321574]
クロスビューオブジェクトジオローカライゼーション (CVOGL) は、問合せ画像と点プロンプトが与えられた場合の高解像度衛星画像における特定のオブジェクトの位置を決定することを目的としている。
本稿では,CVOGLをリカレント・ローカライゼーションタスクとして再構成したリカレント・クロスビュー・オブジェクトのジオローカライゼーション・トランスフォーマであるReCOTを提案する。
ReCOTは、クエリイメージからタスク固有の意図をエンコードし、埋め込みを促す一連の学習可能なトークンを導入し、予測された位置を洗練するための参照機能に反復的に参加する。
論文 参考訳（メタデータ） (2025-09-16T07:18:23Z) - Fair Deepfake Detectors Can Generalize [51.21167546843708]
共同設立者(データ分散とモデルキャパシティ)の制御により,公正な介入による一般化が向上することを示す。
この知見を応用して, 逆正当性重み付けとサブグループワイド特徴正規化を併用し, 新たなアライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・インセンティブ・インターベンション・インベンション・インテクション(DAID)を提案する。
DAIDは、いくつかの最先端技術と比較して、公平性と一般化の両方において一貫して優れた性能を達成する
論文 参考訳（メタデータ） (2025-07-03T14:10:02Z) - Griffin: Aerial-Ground Cooperative Detection and Tracking Dataset and Benchmark [15.405137983083875]
航空と地上の協力は、UAVの空中視界と地上の車両の局部的な観測を統合することで、有望な解決策を提供する。
本稿では,3つの重要な貢献を通じて,地上3次元協調認識のための包括的ソリューションを提案する。
論文 参考訳（メタデータ） (2025-03-10T07:00:07Z) - Seamless Detection: Unifying Salient Object Detection and Camouflaged Object Detection [73.85890512959861]
本稿では,SOD(Salient Object Detection)とCOD(Camouflaged Object Detection)を統合化するためのタスク非依存フレームワークを提案する。
我々は、間隔層と大域的コンテキストを含む単純で効果的なコンテキストデコーダを設計し、67fpsの推論速度を実現する。
公開SODデータセットとCODデータセットの実験は、教師なし設定と教師なし設定の両方において、提案したフレームワークの優位性を実証している。
論文 参考訳（メタデータ） (2024-12-22T03:25:43Z) - BERM: Training the Balanced and Extractable Representation for Matching
to Improve Generalization Ability of Dense Retrieval [54.66399120084227]
本稿では,BERMと呼ばれるマッチング信号の取得により,高密度検索の一般化を改善する手法を提案する。
センス検索は、ドメイン内のラベル付きデータセットでトレーニングされた場合、第1段階の検索プロセスにおいて有望であることが示されている。
論文 参考訳（メタデータ） (2023-05-18T15:43:09Z) - The Overlooked Classifier in Human-Object Interaction Recognition [82.20671129356037]
クラス間の意味的相関を分類ヘッドにエンコードし,重みをHOIの言語埋め込みで初期化する。
我々は,LSE-Sign という新しい損失を,長い尾を持つデータセット上でのマルチラベル学習を強化するために提案する。
我々は,物体検出と人間のポーズを明確なマージンで求める最先端技術よりも優れた,検出不要なHOI分類を可能にする。
論文 参考訳（メタデータ） (2022-03-10T23:35:00Z) - Opinion Transmission Network for Jointly Improving Aspect-oriented
Opinion Words Extraction and Sentiment Classification [56.893393134328996]
アスペクトレベルの感情分類(ALSC)とアスペクト指向の意見単語抽出(AOWE)は、アスペクトベースの感情分析の2つのサブタスクである。
本稿では,ALSC と AOWE の橋梁を利用した新しい接続モデル Opinion Transmission Network (OTN) を提案する。
論文 参考訳（メタデータ） (2020-11-01T11:00:19Z) - Relevance Attack on Detectors [24.318876747711055]
本稿では,ブラックボックス方式では攻撃が難しい検出器に対する高透過性対向攻撃に焦点を当てた。
我々は、検出器のインタプリタからの関連写像がそのような性質であることを初めて示唆する。
そこで我々は,最先端の伝達性を実現するRelevance Attack on Detectors (RAD) を設計した。
論文 参考訳（メタデータ） (2020-08-16T02:44:25Z)
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。