論文の概要: Evaluating 2D and 3D-Aware Vision Foundation Models for Vehicle Attribute Recognition

• arxiv url: http://arxiv.org/abs/2608.29929v1
• Date: Sun, 30 Aug 2026 17:51:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.121813
• Title: Evaluating 2D and 3D-Aware Vision Foundation Models for Vehicle Attribute Recognition
• Title（参考訳）: 自動車属性認識のための2次元・3次元視覚基礎モデルの評価
• Abstract要約: 本稿では,14種類の最先端2Dおよび3次元視覚基盤モデルの実証的ベンチマークを示す。 車両のタイプ,製造,モデル認識のための線形探索により,これらのモデルを凍結特徴抽出器として評価する。 以上の結果から, 標準的な2次元自己教師型モデル, 特にDINOv3は, きめ細かなタスクにおいて, 3次元認識モデルよりも大幅に優れていた。
• 参考スコア（独自算出の注目度）: 38.85215563737551
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vehicle attribute recognition is an important task in intelligent transportation systems, particularly when Automatic License Plate Recognition (ALPR) is unavailable or unreliable. Although vision foundation models have shown strong transferability across domains, their effectiveness for fine-grained vehicle classification remains underexplored. Moreover, given the inherently three-dimensional structure of vehicles, it is unclear whether emerging 3D-aware foundation models offer advantages over standard 2D architectures. This paper presents an empirical benchmark of 14 state-of-the-art 2D and 3D-aware vision foundation models. Using the challenging real-world UFPR-VeSV dataset, we evaluate these models as frozen feature extractors via linear probing for vehicle type, make, and model recognition. We further stress-test the best-performing models under few-shot learning and Out-of-Distribution (OOD) domain shifts. Our results show that standard 2D self-supervised models, particularly DINOv3, substantially outperform 3D-aware models in fine-grained tasks, achieving over 93% Macro-Accuracy for make and model recognition. However, the 3D-aware Depth Anything v2 exhibits stronger invariance to viewing angles in vehicle type classification. These findings motivate hybrid approaches that combine 2D and 3D priors for robust vehicle recognition. Our code is publicly available at https://github.com/UFPR-IPASPPR/3D-Vision-Benchmark/.
• Abstract（参考訳）: 車両属性認識は、特に自動ナンバープレート認識(ALPR)が利用できない、または信頼性の低い場合に、インテリジェント輸送システムにおいて重要なタスクである。 視覚基礎モデルは領域間で強い伝達性を示すが、細粒度車両分類の有効性は未解明のままである。 さらに、車両の3次元構造を考えると、新しい3次元認識基盤モデルが標準2次元アーキテクチャよりも優れているかどうかは不明である。 本稿では,14種類の最先端2Dおよび3次元視覚基盤モデルの実証的ベンチマークを示す。 実世界のUFPR-VeSVデータセットを用いて、車両のタイプ、製造、モデル認識のための線形探索により、これらのモデルを凍結特徴抽出器として評価する。 我々は、数ショットの学習とアウト・オブ・ディストリビューション(OOD)ドメインシフトの下で、最高のパフォーマンスモデルをさらにストレステストする。 以上の結果から,標準的な2次元自己教師型モデル,特にDINOv3は細粒度タスクにおいて3次元認識モデルよりも優れており,製造・モデル認識において93%以上のマクロ精度が達成されている。 しかし、3D-Aware Depth Anything v2は車種分類において、視角に強い不変性を示す。 これらの知見は、ロバストな車両認識のための2次元と3次元の先行性を組み合わせたハイブリッドアプローチを動機付けている。 私たちのコードはhttps://github.com/UFPR-IPASPPR/3D-Vision-Benchmark/で公開されています。

関連論文リスト

• DINO in the Room: Leveraging 2D Foundation Models for 3D Segmentation [51.43837087865105]
  大規模な画像データセットに基づいてトレーニングされた視覚基礎モデル(VFM)は、非常に高度な2D視覚認識を備えた高品質な機能を提供する。 3D画像と3Dポイントクラウドデータセットの共通利用にもかかわらず、彼らの3Dビジョンのポテンシャルは依然としてほとんど未解決のままである。 2Dファンデーションモデルの特徴を抽出し,それを3Dに投影し,最終的に3Dポイントクラウドセグメンテーションモデルに注入する,シンプルで効果的なアプローチであるDITRを導入する。
  論文  参考訳（メタデータ） (2025-03-24T17:59:11Z)
• DriveGEN: Generalized and Robust 3D Detection in Driving via Controllable Text-to-Image Diffusion Generation [49.32104127246474]
  DriveGENは、トレーニング不要のテキストから画像への拡散生成である。 様々なアウト・オブ・ディストリビューション世代にまたがる正確な3D形状のオブジェクトを一貫して保存する。
  論文  参考訳（メタデータ） (2025-03-14T06:35:38Z)
• GEAL: Generalizable 3D Affordance Learning with Cross-Modal Consistency [50.11520458252128]
  既存の3Dアベイランス学習手法は、注釈付きデータに制限があるため、一般化と堅牢性に苦慮している。 本稿では,大規模事前学習型2Dモデルを活用することで,3次元アベイランス学習の一般化と堅牢性を高めるための新しいフレームワークであるGEALを提案する。 GEALは、既存のメソッドと、新しいオブジェクトカテゴリ、および破損したデータにおいて、一貫して優れています。
  論文  参考訳（メタデータ） (2024-12-12T17:59:03Z)
• HeightFormer: A Semantic Alignment Monocular 3D Object Detection Method from Roadside Perspective [11.841338298700421]
  本研究では,空間的前駆体とVoxel Pooling formerを統合した3次元物体検出フレームワークを提案する。 Rope3DとDAIR-V2X-Iデータセットを用いて実験を行い、提案アルゴリズムが車とサイクリストの両方を検知する際の性能を実証した。
  論文  参考訳（メタデータ） (2024-10-10T09:37:33Z)
• Detect Closer Surfaces that can be Seen: New Modeling and Evaluation in Cross-domain 3D Object Detection [7.464834150824093]
  本研究では,エゴ車両のセンサに近接する表面を検出する3次元物体検出モデルの能力を測定するための2つの指標を提案する。 また、学習可能な近接面にもっと焦点を合わせるために、EdgeHeadという改良ヘッドも提案しています。
  論文  参考訳（メタデータ） (2024-07-04T17:06:16Z)
• Leveraging Large-Scale Pretrained Vision Foundation Models for Label-Efficient 3D Point Cloud Segmentation [67.07112533415116]
  本稿では3Dポイントクラウドセグメンテーションタスクに様々な基礎モデルを適用する新しいフレームワークを提案する。 我々のアプローチでは、異なる大きな視覚モデルを用いて2次元セマンティックマスクの初期予測を行う。 本研究では,ロバストな3Dセマンティックな擬似ラベルを生成するために,投票による全ての結果を効果的に組み合わせたセマンティックなラベル融合戦略を提案する。
  論文  参考訳（メタデータ） (2023-11-03T15:41:15Z)
• SA-Det3D: Self-Attention Based Context-Aware 3D Object Detection [9.924083358178239]
  本稿では,3次元物体検出におけるコンテキストモデリングのための2種類の自己注意法を提案する。 まず,現状のbev,voxel,ポイントベース検出器にペアワイズ自着機構を組み込む。 次に,ランダムにサンプリングされた位置の変形を学習することにより,最も代表的な特徴のサブセットをサンプリングするセルフアテンション変種を提案する。
  論文  参考訳（メタデータ） (2021-01-07T18:30:32Z)
• PerMO: Perceiving More at Once from a Single Image for Autonomous Driving [76.35684439949094]
  単一画像から完全テクスチャ化された車両の3次元モデルを検出し,セグメント化し,再構成する新しい手法を提案する。 私たちのアプローチは、ディープラーニングの強みと従来のテクニックの優雅さを組み合わせています。 我々はこれらのアルゴリズムを自律運転システムに統合した。
  論文  参考訳（メタデータ） (2020-07-16T05:02:45Z)

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。