論文の概要: Dreams Are Cheaper Than Flights: Curated World-Model Data Improves Aerial Detection

• arxiv url: http://arxiv.org/abs/2610.41030v1
• Date: Thu, 29 Oct 2026 22:17:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.506676
• Title: Dreams Are Cheaper Than Flights: Curated World-Model Data Improves Aerial Detection
• Title（参考訳）: 世界モデルで収集したデータで航空検出が改善
• Abstract要約: ビデオワールドモデルは、記録されたシーンを、配置のセンサー、高度、環境を備えた新しい映像に拡張する。 我々は,このような合成データが実フィールドデータの有用性と一致しているか,および,それを用いて訓練した検出器が現場で動作するかどうかを問う。
• 参考スコア（独自算出の注目度）: 0.0874967598360817
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Robot perception is increasingly data driven, yet field data is slow, costly, and sometimes disruptive to collect. Video world models offer a cheaper source: seeded with real frames, they extend a recorded scene into new footage with the deployment's sensor, altitude, and environment. We ask whether such synthetic data matches the utility of real field data and whether detectors trained with it perform in the field. Seeding a 7B-parameter world model with wildlife drone video, we more than double the training set with curated frames. On held-out videos from the same drones, mAP@50--95 rises 4.3\% when these frames are added to real data and 10.3\% when they replace it, and up to 33.5\% on an urban benchmark. Although an expert rejects an estimated 87.5\% of generated clips, the data costs about \$1,100 of GPU time, against more than \$3,200 of field labor alone for a less useful real training set. Synthetic data thus shifts data costs from fieldwork to compute.
• Abstract（参考訳）: ロボットの知覚はますますデータ駆動になってきていますが、フィールドデータは遅く、コストがかかり、時には収集に破壊的です。 ビデオワールドモデルは、実際のフレームでシードされ、記録されたシーンを、配置のセンサー、高度、環境を備えた新しい映像に拡張する、より安価なソースを提供する。 我々は,このような合成データが実フィールドデータの有用性と一致しているか,および,それを用いて訓練した検出器が現場で動作するかどうかを問う。 野生生物のドローンビデオを使った7Bパラメータの世界モデルを見れば、キュレートされたフレームでトレーニングセットを2倍以上にします。 同じドローンのホールドアウトビデオでは、mAP@50--95は実際のデータにフレームを追加すると4.3\%、それを置き換えると10.3\%、都市ベンチマークでは33.5\%になる。 専門家は、生成したクリップのおよそ87.5\%を拒絶するが、データはGPU時間の約1,100ドルであり、フィールドワークの3,200ドル以上は、あまり役に立たない実際のトレーニングセットである。 合成データは、データコストをフィールドワークから計算にシフトさせる。

関連論文リスト

• GazePrior: Zero-Shot AR/VR Eye Tracking via Learned 3D Gaze Reconstruction [60.68732444876243]
  我々は、さまざまなアイデンティティ、視線方向、光設定にわたる人間の目の分布をモデル化する、データ駆動型3Dプリミティブを導入する。 このモデルは、以前のETデバイスで収集された注釈付きデータのスパースインプット3D再構成を可能にする。 提案手法は, 実データ収集の現実性, 多様性, 地道的精度を, 禁止コストを伴わずに, データを合成する。
  論文  参考訳（メタデータ） (2026-05-21T11:54:01Z)
• UENR-600K: A Large-Scale Physically Grounded Dataset for Nighttime Video Deraining [58.726887410862055]
  雨滴が人工的な照明と相互作用するため、夜間ビデオのデコレーションは難しい。 UENR-600Kは600,000 1080pのフレーム対を含む大規模で物理的に座屈したデータセットである。 我々はUnreal Engineを用いて仮想環境内の雨を3次元粒子としてシミュレーションする。
  論文  参考訳（メタデータ） (2026-04-06T04:01:46Z)
• R3ST: A Synthetic 3D Dataset With Realistic Trajectories [7.7401133539188365]
  R3ST(Realistic 3D Synthetic Trajectories)は,現実的な車両運動の欠如を克服する合成データセットである。 提案したデータセットは、合成データとリアルな軌跡のギャップを埋める。
  論文  参考訳（メタデータ） (2025-12-18T17:18:45Z)
• Drone Detection using Deep Neural Networks Trained on Pure Synthetic Data [0.4369058206183195]
  実世界のデータに転送する純粋に合成されたデータセットに基づいて訓練されたドローン検出高速RCNNモデルを提案する。 以上の結果から, 合成データを用いたドローン検出は, 収集コストを低減し, ラベル付け品質を向上する可能性が示唆された。
  論文  参考訳（メタデータ） (2024-11-13T23:09:53Z)
• Digital twins to alleviate the need for real field data in vision-based vehicle speed detection systems [0.9899633398596672]
  正確な視覚に基づく速度推定は、レーダーやLiDARに基づく従来の手法よりもコスト効率が高い。 ディープラーニングのアプローチは、利用可能なデータがないため、このコンテキストでは極めて限定的です。 本研究では,CARLAシミュレータを用いたデジタルツインを用いて,特定の実世界のカメラの大規模なデータセットを生成することを提案する。
  論文  参考訳（メタデータ） (2024-07-11T10:41:20Z)
• Towards Viewpoint Robustness in Bird's Eye View Segmentation [85.99907496019972]
  AV知覚モデルがカメラ視点の変化にどのように影響するかを考察する。 投機時のピッチ、ヨー、深さ、高さへの小さな変化は、大きな性能低下につながる。 本稿では,新しいビュー合成技術を導入し,収集したデータをターゲットリグの視点に変換する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-11T02:10:07Z)
• Habitat Synthetic Scenes Dataset (HSSD-200): An Analysis of 3D Scene Scale and Realism Tradeoffs for ObjectGoal Navigation [70.82403156865057]
  本研究では,合成3次元シーン・データセット・スケールとリアリズムが,オブジェクトの探索とナビゲートを行う具体的エージェントの訓練作業に与える影響について検討する。 我々の実験によると、我々の小規模データセットで訓練されたエージェントは、はるかに大きなデータセットで訓練されたエージェントと一致するか、より優れています。
  論文  参考訳（メタデータ） (2023-06-20T05:07:23Z)

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。