論文の概要: AVID: A Weakly Aligned RGB-Infrared Dataset and Perturbation Benchmark for Tiny Aerial Targets

• arxiv url: http://arxiv.org/abs/2610.40949v1
• Date: Thu, 29 Oct 2026 20:26:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.489485
• Title: AVID: A Weakly Aligned RGB-Infrared Dataset and Perturbation Benchmark for Tiny Aerial Targets
• Title（参考訳）: AVID:小型航空機のRGB赤外線データセットと摂動ベンチマーク
• Abstract要約: 本稿では,実際のRGB-赤外線バードドロンの監視映像を用いた因子分析のベンチマークであるAVIDを提案する。 AVIDは、115本のビデオから32,040個のフレームペアで構成され、既存の35,952個の鳥とドローンのアノテーションは320タイム256ドル解像度である。 AVIDとAVID-Cは、小型空中目標のスケールアウェア、アライメントアウェア、センサー固有の研究をサポートする。
• 参考スコア（独自算出の注目度）: 1.2234742322758418
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Long-range detection of small drones is complicated by their visual similarity to birds and by the limited detail available from ground-based cameras. Combining visible and infrared observations offers complementary information, but their usefulness depends on target size, cross-modal alignment, and image quality. We present AVID, a benchmark for studying these factors using real RGB-infrared bird-drone surveillance footage originating from the Drone Detection Dataset and curated for the IEEE ICIP 2025 Video and Image Processing Cup. AVID comprises 32,040 corresponding frame pairs from 115 videos, with 35,952 existing bird and drone annotations at $320\times256$ resolution. Targets occupy an unusually narrow size range: 68.1\% have a geometric-mean bounding-box side of 8--16 pixels, and 99.0\% meet the COCO small-object criterion. To characterize the geometric difficulty of combining the modalities, we introduce an object-relative alignment ratio and an alignment burden curve. In a sample of 300 frame pairs, 32.3\% have estimated global translations greater than 5 pixels; among the 264 pairs with matching annotations, 16.3\% exceed one median target side. We further introduce AVID-C, which simulates seven families of image degradation at five severity levels independently in RGB, infrared, or both. A fixed-feature analysis examines how scale, degradation, and added cross-modal shifts affect fitted bird-drone class overlap. At 12--16 pixels, the Bhattacharyya error bounds are 0.148 for RGB, 0.198 for infrared, and 0.046 for their combined features. These values describe separation in the specified feature and density models, not detector accuracy. Together, AVID and AVID-C support scale-aware, alignment-aware, and sensor-specific studies of tiny aerial targets.
• Abstract（参考訳）: 小型ドローンの長距離検出は、鳥と視覚的に類似しており、地上カメラから利用可能な詳細が限られているため複雑である。 可視光と赤外線の観測の組み合わせは相補的な情報を提供するが、その有用性はターゲットのサイズ、モード間のアライメント、画質に依存する。 AVIDは,Drone Detection Datasetから派生した実際のRGB赤外線バードドローン監視映像を用いて,これらの要因を研究するためのベンチマークであり,IEEE ICIP 2025 Video and Image Processing Cupのためにキュレートされた。 AVIDは、115のビデオから32,040のフレームペアで構成され、既存の35,952の鳥とドローンのアノテーションは320\times256$解像度である。 68.1\%は8-16ピクセルの幾何学平均境界線側を持ち、99.0\%はCOCO小物体基準を満たす。 モーダル性を組み合わせた幾何学的難易度を特徴付けるために,相対的アライメント比とアライメント重み曲線を導入する。 300フレーム対のサンプルでは、32.3\%が5ピクセル以上の大域的な翻訳を推定しており、一致したアノテーションを持つ264ペアのうち16.3\%は1つの中心的対象側を上回っている。 AVID-Cは、RGB、赤外線、またはその両方で独立して5つの重度レベルにおいて、画像劣化の7つのファミリーをシミュレートする。 固定機能解析では、スケール、劣化、追加のモーダルシフトが、装着された鳥と鳥の集団の重なりにどのように影響するかを調べる。 12-16ピクセルでは、Bhattacharyyaエラー境界はRGBが0.148、赤外線が0.198、組み合わせた特徴が0.046である。 これらの値は、検出精度ではなく、指定された特徴と密度モデルの分離を記述する。 AVIDとAVID-Cは共に、小型空中目標のスケール・アウェア、アライメント・アウェア、センサー固有の研究をサポートする。

関連論文リスト

• HiPredict: Predicting the missing HiRISE RED4 spectral channel with machine learning [0.32622301272834514]
  マーズ・リコネッサンス・オービター(MRO)に搭載されたHiRISEは、25-30cm/ピクセルで火星の画像を取得する。 2023年、焦点面アセンブリ(RED4)の中心にある検出器が断続的に故障し始め、取得した画像のギャップが生じた。 我々は、IR10とブルーグリーン(BG12)の画像からRED4を再構成し、近隣の赤チャネル観測と取得メタデータから機械学習フレームワークであるHiPredictを紹介する。
  論文  参考訳（メタデータ） (2026-10-16T11:40:11Z)
• IR275K: A Benchmark for Infrared Multi-Frame Super-Resolution Toward Efficient Remote Sensing [10.081515566603645]
  594個の赤外線ビデオシーケンスと275,196個のフレームを含むキュレートされたベンチマークIR275Kを紹介する。 シーケンスレベルのトレイン/バリデーション/テストスプリットと再現可能なX4評価プロトコルを提供する。 CGMambaは10.90Mパラメータと112.14G FLOPを持つ軽量な状態空間モデルである。
  論文  参考訳（メタデータ） (2026-07-24T15:06:17Z)
• DepthART: Scaling Foundation Monocular Depth to Tiny Models [51.10174763031444]
  DepthARTは、様々なシーンにまたがるデバイス上のデプロイメントのためのコンパクトなMDEモデルである。 ゼロショット一般化とメートル法精度の両方において、DepthARTが従来の小さなベースラインを一貫して上回っていることを示す。 また、GTX A6000で347/245 FPS (strict FP32)、Orin NX 8GBで2242/4482ドル、102 FPS (TF32)、Jetson Nano 4GBで15 FPS (FP32) に達したスケーラブルなモデルファミリも提供しています。
  論文  参考訳（メタデータ） (2026-07-19T06:54:52Z)
• Towards UAV Detection in the Real World: A New Multispectral Dataset UAVNet-MS and a New Method [80.50361258830928]
  UAVNet-MSは、微小UAV検出のための最初のマルチスペクトルデータセットである。 本稿では、アレイ誘起パララックスと空間-スペクトル融合に対処するデュアルストリームベースラインであるMFDNetを提案する。 この研究は、基礎的なデータセット、強力なベースライン、マルチスペクトルUAV監視研究のためのベンチマークを提供する。
  論文  参考訳（メタデータ） (2026-05-20T09:49:04Z)
• IrisNet: Infrared Image Status Awareness Meta Decoder for Infrared Small Targets Detection [92.56025546608699]
  IrisNetは、入力赤外線画像ステータスに検出戦略を適用する、新しいメタ学習フレームワークである。 提案手法は,赤外線画像特徴量とデコーダパラメータ全体の動的マッピングを確立する。 NUDT-SIRST、NUAA-SIRST、IRSTD-1Kデータセットの実験は、我々のIrisNetの優位性を示している。
  論文  参考訳（メタデータ） (2025-11-25T13:53:54Z)
• SAGA: Semantic-Aware Gray color Augmentation for Visible-to-Thermal Domain Adaptation across Multi-View Drone and Ground-Based Vision Systems [1.891522135443594]
  ドメイン適応型熱オブジェクト検出は、可視(RGB)から熱(IR)への適応を促進する上で重要な役割を果たす。 色やテクスチャの手がかりの欠如など、赤外線画像の固有の制限は、RGB訓練されたモデルに課題をもたらす。 本稿では,カラーバイアスを緩和し,領域ギャップを埋めるための新しい戦略であるセマンティック・アウェア・グレイカラー拡張(SAGA)を提案する。
  論文  参考訳（メタデータ） (2025-04-22T09:22:11Z)
• ARKitTrack: A New Diverse Dataset for Tracking Using Mobile RGB-D Data [75.73063721067608]
  我々は,AppleのiPhoneおよびiPadに搭載されたコンシューマグレードのLiDARスキャナーによってキャプチャされた静的および動的シーンの両方を対象とした新しいRGB-D追跡データセットを提案する。 ARKitTrackには300のRGB-Dシーケンス、455のターゲット、229.7Kのビデオフレームが含まれている。 詳細な実験分析により,ARKitTrackデータセットがRGB-D追跡を著しく促進し,提案手法が芸術的状況と良好に比較できることが確認された。
  論文  参考訳（メタデータ） (2023-03-24T09:51:13Z)
• ObjectMatch: Robust Registration using Canonical Object Correspondences [21.516657643120375]
  本稿では,RGB-D SLAMパイプラインのためのセマンティック・オブジェクト中心のカメラポーズ推定器であるObjectMatchを提案する。 RGB-Dシークエンスを登録する場合,本手法は,挑戦的で低フレームレートのシナリオにおいて,最先端のSLAMベースラインよりも優れる。
  論文  参考訳（メタデータ） (2022-12-05T02:38:08Z)
• VPFNet: Improving 3D Object Detection with Virtual Point based LiDAR and Stereo Data Fusion [62.24001258298076]
  VPFNetは、ポイントクラウドとイメージデータを仮想のポイントで巧みに調整し集約する新しいアーキテクチャである。 当社のVPFNetは,KITTIテストセットで83.21%の中等度3D AP,91.86%中等度BEV APを達成し,2021年5月21日以来の1位となった。
  論文  参考訳（メタデータ） (2021-11-29T08:51:20Z)
• ZoomNet: Part-Aware Adaptive Zooming Neural Network for 3D Object Detection [69.68263074432224]
  ステレオ画像に基づく3D検出のためのZoomNetという新しいフレームワークを提案する。 ZoomNetのパイプラインは、通常の2Dオブジェクト検出モデルから始まり、左右のバウンディングボックスのペアを取得するために使用される。 さらに,RGB画像のテクスチャキューを多用し,より正確な異質度推定を行うため,適応ズームという概念的に真直ぐなモジュールを導入する。
  論文  参考訳（メタデータ） (2020-03-01T17:18:08Z)

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。