論文の概要: DroneGround: Open-Vocabulary Drone Payload Characterization Using Synthetic Data and Grounded Vision-Language Models
- arxiv url: http://arxiv.org/abs/2609.07780v1
- Date: Mon, 07 Sep 2026 17:28:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 21:06:21.941765
- Title: DroneGround: Open-Vocabulary Drone Payload Characterization Using Synthetic Data and Grounded Vision-Language Models
- Title（参考訳）: DroneGround: 合成データとグラウンドドビジョンランゲージモデルを用いたオープンボキャブラリ型ドローンのペイロード評価
- Abstract要約: 我々はDroneGround: Grounded Vision-Language Payload characterization, a two-stage framework for robust open-vocabulary payload analysisを提案する。
ドローンはまず、YOLO26s検出器を使ってドローンをローカライズし、ドローン中心の画像作物を抽出する。
合成と現実の両方のドローン画像の実験では、DroneGroundは合成と現実の分配シフトによって大幅に改善されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automated drone surveillance has become increasingly important for public safety, critical infrastructure protection,and restricted airspace monitoring. While existing vision-based systems achieve strong performance for drone detection and tracking, reliable payload characterization remains highly challenging under long-range imaging conditions due to limited availability of annotated real-world datasets, and substantial distribution shifts encountered during deployment. Existing approaches formulate payload characterization as a closed-set object detection problem, limiting their ability to recognize previously unseen payloads and generalize beyond the training distribution. To address these challenges, we generate a photorealistic synthetic drone-payload dataset using Unreal Engine 5 and Cosys-AirSim and propose DroneGround: Grounded Vision-Language Payload Characterization, a two-stage framework for robust open-vocabulary payload analysis. DroneGround first employs a YOLO26s detector to localize drones and extract drone-centric image crops, followed by a LoRA-fine-tuned PaliGemma vision-language model that generates seman- tic descriptions of the detected drones and their attached payloads, enabling open-vocabulary payload characterization beyond predefined categories. An occlusion-based grounding module further provides interpretable payload localization by identifying image regions responsible for the generated descriptions. Extensive experiments on both synthetic and real-world drone imagery demonstrate that DroneGround substantially improves robustness under synthetic-to-real distribution shifts, outperforming a conventional closed-set payload detector by improving the F1-score from 82.5% to 96.3%, while achieving significantly better generalization to previously unseen payload categories (80.4%versus 42.7% F1). Dataset and code will be released upon acceptance of the paper.
- Abstract（参考訳）: 自動ドローン監視は、公共の安全、重要なインフラ保護、制限空域監視にとってますます重要になっている。
既存のビジョンベースのシステムは、ドローンの検出と追跡において強力なパフォーマンスを達成するが、アノテートされた実世界のデータセットの可用性の制限や、デプロイ中に発生する実質的な分散シフトのために、長期にわたる撮像条件下では、信頼性の高いペイロードのキャラクタリゼーションは非常に困難である。
既存のアプローチでは、クローズドセットのオブジェクト検出問題としてペイロードのキャラクタリゼーションが定式化されており、未確認のペイロードを認識でき、トレーニング分布を超えて一般化できる能力が制限されている。
これらの課題に対処するため、Unreal Engine 5 と Cosys-AirSim を用いて、フォトリアリスティックな合成ドローンペイロードデータセットを生成し、DroneGround: Grounded Vision-Language Payload Characterization を提案する。
DroneGroundはまず、ドローンをローカライズし、ドローン中心の画像作物を抽出するためにYOLO26s検出器を使用し、続いてLoRAで調整したPaliGemma視覚言語モデルを使用して、検出されたドローンとその付属ペイロードのセマンティックな記述を生成する。
さらに、オクルージョンベースのグラウンドモジュールは、生成された記述に責任のある画像領域を特定することにより、解釈可能なペイロードローカライゼーションを提供する。
合成と現実の両方のドローン画像に関する大規模な実験は、DroneGroundが合成と現実の分配シフトの下で、F1スコアを82.5%から96.3%に改善し、これまで見られなかったペイロードカテゴリ(80.4%対42.7% F1)よりもはるかに優れた一般化を実現し、従来のクローズドセットペイロード検出器よりも大幅に堅牢性を向上させることを示した。
データセットとコードは、論文の受理時にリリースされる。
関連論文リスト
- TIGA: Trajectory-Injected Generative Attack against Black-box AIGC Detectors [76.4118981404995]
Trajectory-Injected Generative Attack (TIGA) は、検出器回避画像を生成する、ソースフリーでトレーニング可能なフリーフレームワークである。
TIGAはDDIM(Laint Denoising Diffusion Implicit Model)の軌道を制御し、生成中に対向特性が出現するようにしている。
TIGAは、共通の後処理操作下で、強力なブラックボックス攻撃性能、転送性、高ロバスト性を実現する。
論文 参考訳（メタデータ） (2026-07-28T15:51:39Z) - DroneFINE: Domain-Aware Parameter-Efficient Fine-Tuning of Vision-Language Detectors for Drone Images [50.96240625673857]
DroneFINEは、VLMベースのドローン画像検出器用に設計された2つのドメイン対応補完モジュールからなる、新しいPEFTパラダイムである。
DroneFINEは既存のPEFTメソッドを著しく上回り、完全な微調整に匹敵するパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-07-01T02:27:40Z) - Synthetic-to-Real Pipeline for Safe Landing Zone Detection [0.0]
この研究は、自律着陸タスクのシム・トゥ・リアルギャップを橋渡しするために設計された包括的知覚とデータ生成パイプラインを提案する。
本稿では,ドメインランダム化による自動意味アノテーションによる都市環境生成のための手続き型合成データエンジンを提案する。
決定論的着陸モジュールは、Euclidean Distance Transform (EDT) と動的推論ロジックを使用して、最も大きな入力された安全な着陸ゾーンを特定する。
論文 参考訳（メタデータ） (2026-06-09T01:32:07Z) - DisDop: Distillation with Domain Priors for Open-Vocabulary Aerial Object Detection [75.11656789221072]
リモートセンシング基礎モデルからマルチレベルドメインを抽出する統合フレームワークであるDisDopを提案する。
DisDopは、オープンボキャブラリ空中検出ベンチマーク上で、最先端のパフォーマンスを新たに実現している。
論文 参考訳（メタデータ） (2026-05-23T16:01:20Z) - Pro-HOI: Perceptive Root-guided Humanoid-Object Interaction [57.252599851031505]
本稿では,知覚根誘導型ヒューマノイドオブジェクトインタラクション,Pro-HOIを紹介する。
Pro-HOIは、堅牢なヒューマノイドロコ操作のための一般化可能なフレームワークである。
ユニツリーG1ロボットの実証検証は、Pro-HOIが一般化と堅牢性においてベースラインを著しく上回っていることを示す。
論文 参考訳（メタデータ） (2026-03-01T14:19:59Z) - μDopplerTag: CNN-Based Drone Recognition via Cooperative Micro-Doppler Tagging [0.0]
カメラ、LiDAR、従来のレーダーシステムを含む現在の検知および分類技術は、しばしばドローンを確実に識別し識別するのに苦労する。
本稿では, ドローンブレードに取り付けられた共振電磁ステッカーによって符号化された, 人工マイクロドップラーシグネチャに基づく新しいドローン分類法を提案する。
我々は、生のレーダー信号を処理し、高い分類精度を実現することができる調整型畳み込みニューラルネットワーク(CNN)を開発した。
論文 参考訳（メタデータ） (2026-01-12T22:23:57Z) - A Comparative Analysis of Ensemble-Based Machine Learning Approaches with Explainable AI for Multi-Class Intrusion Detection in Drone Networks [0.2708211191235587]
本研究の目的は、ドローンネットワークに適した堅牢で解釈可能な侵入検知フレームワークを開発することである。
我々は、ラベル付きデータセットでトレーニングされたランダムフォレスト、エクストラツリー、AdaBoost、CatBoost、XGBoostといったアンサンブルベースの機械学習モデルの比較分析を行う。
提案するアプローチは、ほぼ完全な精度を提供するだけでなく、解釈可能性も保証し、リアルタイムかつ安全クリティカルなドローン操作に非常に適している。
論文 参考訳（メタデータ） (2025-09-23T00:59:21Z) - SpectraSentinel: LightWeight Dual-Stream Real-Time Drone Detection, Tracking and Payload Identification [0.0903415485511869]
民間空域でのドローンの拡散は、緊急のセキュリティ上の懸念を引き起こしている。
2025年のVIPカップの課題に対応するため、我々は2ストリームのドローン監視フレームワークを提案する。
我々のアプローチでは、並列赤外(熱)および可視(RGB)データストリーム上に、独立してYou Only Look Once v11-nano (YOLOv11n)オブジェクト検出器をデプロイする。
論文 参考訳（メタデータ） (2025-07-30T13:10:13Z) - Open-World Drone Active Tracking with Goal-Centered Rewards [62.21394499788672]
Drone Visual Active Trackingは、視覚的な観察に基づいてモーションシステムを制御することで、対象物を自律的に追跡することを目的としている。
DATは,世界初となるエア・ツー・グラウンド・トラッキング・ベンチマークである。
また,複雑なシナリオにおけるドローン追跡目標の性能向上を目的としたGC-VATを提案する。
論文 参考訳（メタデータ） (2024-12-01T09:37:46Z) - HazyDet: Open-Source Benchmark for Drone-View Object Detection with Depth-Cues in Hazy Scenes [54.24350833692194]
HazyDetは、ヘイジーな環境でドローンビューオブジェクトを検出するために特別に設計された、最初の大規模ベンチマークである。
本稿では,迷路による視覚劣化に対処するため,Depth-Conditioned Detector (DeCoDet)を提案する。
HazyDetは、検出アルゴリズムを前進させるための挑戦的で現実的なテストベッドを提供する。
論文 参考訳（メタデータ） (2024-09-30T00:11:40Z) - Robust Low-Cost Drone Detection and Classification in Low SNR Environments [0.9087641068861043]
ドローンを検知し、分類する能力について、様々な畳み込みニューラルネットワーク(CNN)を評価した。
本稿では,標準コンピュータ,ソフトウェア定義無線(SDR),アンテナを用いた低コストドローン検知システムについて紹介する。
論文 参考訳（メタデータ） (2024-06-26T12:50:55Z) - OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
軌道予測はコンピュータビジョンと自律運転の基本である。
この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。
本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
論文 参考訳（メタデータ） (2024-04-02T18:30:29Z)
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。