論文の概要: TriSAR-3D and PaintFusion: A Novel Trimodal LiDAR-RGB-Thermal Dataset and Method for 3D Person Detection in Search and Rescue

• arxiv url: http://arxiv.org/abs/2610.22509v1
• Date: Thu, 15 Oct 2026 18:03:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.616677
• Title: TriSAR-3D and PaintFusion: A Novel Trimodal LiDAR-RGB-Thermal Dataset and Method for 3D Person Detection in Search and Rescue
• Title（参考訳）: TriSAR-3Dとペイントフュージョン:新しい3次元LiDAR-RGBサーマルデータセットと検索・救助における3次元人物検出方法
• Abstract要約: 本稿では,高解像度の128チャンネルLiDAR,RGBカメラ,サーマルカメラで記録されたマルチモーダル人検出データセットTriSAR-3Dを紹介する。 室内や屋外でのさまざまなポーズを毎日異なる時間に捉え、それらが3Dオブジェクト検出器のパフォーマンスに与える影響を研究する。 単純なデータセットを使ってポイントベースのエビデンスを融合する新しい3D検出パイプラインであるPaintFusionが提案されている。
• 参考スコア（独自算出の注目度）: 1.8352113484137627
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable 3D person detection is important for rescue robotics to give first responders situational awareness. Yet most multimodal 3D detection research targets automotive scenarios in which pedestrians mostly appear in a narrow range of upright, near-road poses. It is therefore unclear how much of the reported performance transfers to rescue settings, as a person may be lying, partially occluded, or in unstructured indoor and outdoor environments. To investigate this gap, we introduce TriSAR-3D, a multimodal person detection dataset recorded with a high-resolution 128-channel LiDAR, an RGB camera, and a thermal camera. It captures varied poses in indoor as well as outdoor locations at different times of day to study their influence on 3D object detector performance. Furthermore, we propose a novel trimodal 3D detection pipeline, PaintFusion, that fuses PointPainting-based evidence using a simple MLP. We show that the derived method reaches 65.4 AP@50 and thereby outperforms strong LiDAR-only (CenterPoint, 53.4), RGB+LiDAR (BEVFusion, 60.5), and adapted trimodal (Tri-BEVFusion, 60.7) baselines on the dataset. At the same time, it is substantially faster than other fusion-based methods such as BEVFusion, with a per-frame latency of 51.6 ms compared to 101 ms. Additionally, we test how the performance of different 3D object detectors generalizes to unseen pose categories. Removing lying instances from training data collapses the lying-pose AP@50 to near zero across all evaluated detectors. The results indicate that dataset diversity exerts a large effect on 3D object detection performance. The dataset and code are available at https://github.com/MarkusKramer1/3D-Trimodal-People-Detection.
• Abstract（参考訳）: 救助ロボットにとって信頼性の高い3D人物検出は、最初の対応者に状況認識を与えるために重要である。 しかし、ほとんどのマルチモーダルな3D検出研究は、歩行者が直立した近道の狭いポーズにほとんど現れる自動車のシナリオをターゲットにしている。 そのため、人が嘘をついているか、部分的に隠されているか、非構造的な屋内や屋外環境にある可能性があるため、報告されたパフォーマンスのどれ程が救助設定に移行したかは明らかでない。 このギャップを調べるために,TriSAR-3D,高解像度の128チャンネルLiDAR,RGBカメラ,サーマルカメラで記録されたマルチモーダル人検出データセットを紹介する。 室内や屋外でのさまざまなポーズを毎日異なる時間に捉え、それらが3Dオブジェクト検出器のパフォーマンスに与える影響を研究する。 さらに,簡単なMLPを用いてPointPaintingに基づくエビデンスを融合した新しい3次元3次元検出パイプラインPaintFusionを提案する。 導出法は65.4 AP@50に到達し,強いLiDARのみ(CenterPoint,53.4),RGB+LiDAR(BEVFusion,60.5),適応されたトリモーダル(Tri-BEVFusion,60.7)のベースラインを上回った。 同時に、BEVFusionのような他の融合法よりも大幅に高速であり、フレーム毎のレイテンシは101msに比べて51.6msである。 トレーニングデータから嘘のインスタンスを除去することは、すべての評価された検出器で、嘘のAP@50をほぼゼロに崩壊させる。 その結果,データセットの多様性は3次元物体検出性能に大きな影響を及ぼすことがわかった。 データセットとコードはhttps://github.com/MarkusKramer1/3D-Trimodal-People-Detectionで公開されている。

関連論文リスト

• LCF3D: A Robust and Real-Time Late-Cascade Fusion Framework for 3D Object Detection in Autonomous Driving [18.92466723080506]
  歩行者、サイクリスト、その他の車両などの正確な3Dオブジェクトの正確な位置決めは、自動運転に不可欠である。 LCF3Dは、RGB画像上の2Dオブジェクト検出器とLiDAR点雲上の3Dオブジェクト検出器を組み合わせた、新しいセンサー融合フレームワークである。
  論文  参考訳（メタデータ） (2026-01-14T19:19:37Z)
• Sparse Points to Dense Clouds: Enhancing 3D Detection with Limited LiDAR Data [68.18735997052265]
  単分子と点雲に基づく3次元検出の利点を組み合わせたバランスの取れたアプローチを提案する。 本手法では,低コストで低解像度のセンサから得られる3Dポイントを少数必要としている。 3次元検出の精度は最先端の単分子検出法と比較して20%向上する。
  論文  参考訳（メタデータ） (2024-04-10T03:54:53Z)
• Long-Tailed 3D Detection via Multi-Modal Fusion [58.89765900064689]
  本研究では,Long-Tailed 3D Detection (LT3D) の問題点について検討した。 単モードLiDARとRGB検出器を独立に訓練した多モード遅延核融合(MMLF)により,レアクラスの精度が特に向上することが指摘されている。 我々のMMLFはLT3Dの先行作業よりも優れており、特に12.8から20.0mAPまでの6つのレアなクラスで改善されています。
  論文  参考訳（メタデータ） (2023-12-18T07:14:25Z)
• FocalFormer3D : Focusing on Hard Instance for 3D Object Detection [97.56185033488168]
  3次元物体検出における偽陰性(False negatives, FN)は、自動運転において潜在的に危険な状況を引き起こす可能性がある。 本研究では,マルチステージ方式でtextitFN を識別する汎用パイプラインである Hard Instance Probing (HIP) を提案する。 この手法をFocalFormer3Dとしてインスタンス化する。
  論文  参考訳（メタデータ） (2023-08-08T20:06:12Z)
• Far3Det: Towards Far-Field 3D Detection [67.38417186733487]
  我々は、観測者から一定の距離を超える物体の遠距離3次元検出(Far3Det)の課題に焦点を当てる。 Far3Detは高速道路で動く自動運転車(AV)にとって特に重要である。 我々は,nuScenesデータセットからよく注釈付きシーンを抽出し,十分に注釈付き遠距離フィールド検証セットを導出する手法を開発した。 Far3Detの評価プロトコルを提案し,Far3Detの様々な3次元検出手法を提案する。
  論文  参考訳（メタデータ） (2022-11-25T02:07:57Z)
• Sparse LiDAR and Stereo Fusion (SLS-Fusion) for Depth Estimationand 3D Object Detection [3.5488685789514736]
  SLS-Fusionは、深度推定のためにニューラルネットワークを介して4ビームLiDARとステレオカメラからデータを融合する新しいアプローチです。 4ビームのLiDARは64ビームのLiDARよりも安価であるため、この手法は低コストのセンサベース手法に分類される。
  論文  参考訳（メタデータ） (2021-03-05T23:10:09Z)
• PLUME: Efficient 3D Object Detection from Stereo Images [95.31278688164646]
  既存の手法では、2つのステップでこの問題に対処する: 第一深度推定を行い、その深さ推定から擬似LiDAR点雲表現を計算し、3次元空間で物体検出を行う。 この2つのタスクを同一のメトリック空間で統一するモデルを提案する。 提案手法は,既存の手法と比較して推定時間を大幅に削減し,挑戦的なKITTIベンチマークの最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-01-17T05:11:38Z)

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。