論文の概要: Physical AI Smart Spaces: A Large-Scale Benchmark for Multi-Camera 3D Perception in Smart Spaces
- arxiv url: http://arxiv.org/abs/2610.02580v1
- Date: Thu, 01 Oct 2026 23:21:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 00:14:30.122453
- Title: Physical AI Smart Spaces: A Large-Scale Benchmark for Multi-Camera 3D Perception in Smart Spaces
- Title（参考訳）: 物理AIスマートスペース:スマートスペースにおけるマルチカメラ3D知覚のための大規模ベンチマーク
- Abstract要約: Physical AI Smart Spacesは、屋内スマートスペースに対して、大規模、マルチクラス、マルチカメラの3D知覚データを同時に提供する最初のベンチマークである。
撮影時間は280時間以上で、倉庫、病院、小売店等で約1,800台のカメラが撮影した。
このベンチマークはアイザック・シムの合成世代、コスモス・トランスファーの外観増強、実世界のシム2Realの評価に及んでいる。
- 参考スコア（独自算出の注目度）: 31.563427128022294
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Physical AI Smart Spaces is, to the best of our knowledge, the first benchmark to simultaneously provide large-scale, multi-class, and multi-camera 3D perception data for indoor smart spaces. It contains over 280 hours of synchronized 1080p footage captured by nearly 1,800 cameras in warehouses, hospitals, retail venues, and similar settings, together with automatic annotations for multi-camera identities, 2D bounding boxes, 3D bounding boxes, camera calibration, and depth where available. The benchmark spans Isaac Sim synthetic generation, Cosmos Transfer appearance augmentation, and real-world Sim2Real evaluation. For the real-world target, we include two warehouse deployments with time-synchronized streams, automatic VGGT-based calibration, and a 3D labeling interface that projects world-frame 3D boxes into each view for cross-camera verification. We describe the dataset scope, annotation and calibration schema, generation workflow, benchmark protocols, and official evaluation system, which standardizes submission format, and leaderboard reporting. A central contribution is a 3D instantiation of Higher Order Tracking Accuracy (HOTA), extending the usual 2D box-based tracking evaluation to 3D locations and 3D boxes. We further report empirical baselines from the AI City Challenge leaderboards, showing how methods evolve from person-only 3D location tracking to multi-class 3D box tracking under realistic smart-space constraints. The release is available at https://huggingface.co/datasets/nvidia/PhysicalAI-SmartSpaces.
- Abstract（参考訳）: 物理AI Smart Spacesは、私たちの知る限り、屋内スマートスペースのための大規模、マルチクラス、マルチカメラの3D知覚データを同時に提供する最初のベンチマークです。
280時間以上の同期1080p映像が、倉庫、病院、小売店などの1,800台近いカメラで撮影され、マルチカメラIDの自動アノテーション、2Dバウンディングボックス、3Dバウンディングボックス、カメラキャリブレーション、深度などの設定で撮影されている。
このベンチマークはアイザック・シムの合成世代、コスモス・トランスファーの外観増強、実世界のシム2Realの評価に及んでいる。
現実のターゲットには、時間同期ストリームによる2つの倉庫配置、自動VGGTベースのキャリブレーション、世界フレームの3Dボックスを各ビューに投影する3Dラベリングインターフェースが含まれています。
本稿では,データセットの範囲,アノテーションとキャリブレーションスキーマ,生成ワークフロー,ベンチマークプロトコル,提案形式を標準化した公式評価システム,リーダボードレポートについて述べる。
中心的なコントリビューションは、高次追跡精度(HOTA)の3Dインスタンス化であり、通常の2Dボックスベースのトラッキング評価を3Dロケーションと3Dボックスに拡張する。
さらに、AIシティチャレンジのリーダーボードから経験的なベースラインを報告し、リアルなスマートスペース制約の下で、人専用の3D位置トラッキングから、マルチクラスの3Dボックストラッキングまで、メソッドがどのように進化するかを示した。
リリースはhttps://huggingface.co/datasets/nvidia/PhysicalAI-SmartSpacesで公開されている。
関連論文リスト
- 3D Aware Region Prompted Vision Language Model [99.4106711584584]
SR-3Dは、共有された視覚トークン空間を介して、シングルビュー2D画像とマルチビュー3Dデータを接続する。
SR-3Dはフレキシブルな領域プロンプトをサポートしており、バウンディングボックス、任意のフレーム上のセグメンテーションマスク、あるいは直接3Dでアノテートできる。
論文 参考訳（メタデータ） (2025-09-16T17:59:06Z) - Online 3D Multi-Camera Perception through Robust 2D Tracking and Depth-based Late Aggregation [0.0]
MTMC(Multi-Target Multi-Camera Tracking)は大規模監視を自動化するためのコンピュータビジョンタスクである。
深度情報を利用したオンライン2次元マルチカメラトラッキングシステムを3次元空間に拡張する手法を提案する。
提案されたフレームワークは、2025年のAI City Challengeの3D MTMCデータセットで評価され、リーダーボードで3位に達した。
論文 参考訳（メタデータ） (2025-09-12T03:28:35Z) - Towards Scalable Spatial Intelligence via 2D-to-3D Data Lifting [64.64738535860351]
単一ビュー画像を包括的・スケール的・外観リアルな3D表現に変換するスケーラブルなパイプラインを提案する。
本手法は,画像の膨大な保存と空間的シーン理解への需要の増大とのギャップを埋めるものである。
画像から精度の高い3Dデータを自動的に生成することにより,データ収集コストを大幅に削減し,空間知性を向上するための新たな道を開く。
論文 参考訳（メタデータ） (2025-07-24T14:53:26Z) - SpatialTrackerV2: 3D Point Tracking Made Easy [73.0350898700048]
SpaceTrackerV2はモノクロビデオのフィードフォワード3Dポイントトラッキング手法である。
これは、世界空間の3Dモーションをシーン幾何学、カメラエゴモーション、ピクセルワイドオブジェクトモーションに分解する。
このような異種データから幾何学と運動を共同で学習することで、SpatialTrackerV2は既存の3Dトラッキング方法よりも30%優れています。
論文 参考訳（メタデータ） (2025-07-16T17:59:03Z) - TAPIP3D: Tracking Any Point in Persistent 3D Geometry [25.357437591411347]
本稿では,モノクロおよびRGB-Dビデオにおける長期3次元点追跡の新しい手法であるTAPIP3Dを紹介する。
TAPIP3Dは、ビデオをカメラ安定化機能クラウドとして表現し、深度とカメラモーション情報を活用する。
我々の3D中心の定式化は既存の3D点追跡法よりも性能を著しく向上させる。
論文 参考訳（メタデータ） (2025-04-20T19:09:43Z) - SurroundOcc: Multi-Camera 3D Occupancy Prediction for Autonomous Driving [98.74706005223685]
3Dシーン理解は、視覚に基づく自動運転において重要な役割を果たす。
マルチカメラ画像を用いたSurroundOcc法を提案する。
論文 参考訳（メタデータ） (2023-03-16T17:59:08Z) - 3D Visual Tracking Framework with Deep Learning for Asteroid Exploration [22.808962211830675]
本稿では,3次元追跡のための高精度かつリアルタイムな手法について検討する。
両眼ビデオシーケンス、深度マップ、様々な小惑星の点雲を含む、新しい大規模な3D小惑星追跡データセットが提示されている。
深層学習に基づく3DトラッキングフレームワークTrack3Dを提案する。このフレームワークは,2次元単分子トラッカーと,新しい軽量アモーダル軸整合バウンディングボックスネットワークであるA3BoxNetを備える。
論文 参考訳（メタデータ） (2021-11-21T04:14:45Z) - Monocular Quasi-Dense 3D Object Tracking [99.51683944057191]
周囲の物体の将来の位置を予測し、自律運転などの多くのアプリケーションで観測者の行動を計画するためには、信頼性と正確な3D追跡フレームワークが不可欠である。
移動プラットフォーム上で撮影された2次元画像のシーケンスから,移動物体を時間とともに効果的に関連付け,その全3次元バウンディングボックス情報を推定するフレームワークを提案する。
論文 参考訳（メタデータ） (2021-03-12T15:30:02Z)
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。