G-MAD：用于多视图RGB-T航空目标检测的基于游戏的数据生成框架
G-MAD: A Game-Based Data Generation Framework for Multi-View RGB-T Aerial Object Detection
浏览论文内容
中文总结 AI 辅助
研究针对航空目标检测中数据集构建的问题，提出基于游戏的G-MAD数据生成框架，可解决视点控制、数据对齐及标注成本等问题，支持多视图相机放置等功能，还构建并发布了AMOD基准。
中文摘要 AI 辅助
本文介绍了G-MAD，一个使用Arma3生成用于航空目标检测的同步多视图RGB-T数据的开源框架。G-MAD解决了现实世界航空数据集构建的关键限制，包括有限的视点控制、不完美的RGB-T对齐和高标注成本。该框架支持结构化场景规范、可控的多视图相机放置、同时进行可见光/热捕捉以及使用引擎级几何元数据进行自动边界框标注。此外，使用G-MAD构建并发布了新的大规模多视图航空RGB-T目标检测基准AMOD。
英文摘要
This work introduces G-MAD, an open-source framework that uses Arma3 to generate synchronized multi-view RGB-T data for aerial object detection. G-MAD addresses key limitations of real-world aerial dataset construction, including limited viewpoint control, imperfect RGB-T alignment and high annotation cost. The framework supports structured scenario specification, controllable multi-view camera placement, simultaneous visible/thermal capture, and automatic bounding box annotation using engine-level geometric metadata. These capabilities enable controlled studies of viewpoint variation, multi-modal fusion, and synthetic-to-real transfer in aerial object detection. Besides, using G-MAD, we construct and release AMOD, a new large-scale multi-view aerial RGB-T object detection benchmark. The source code and the dataset are available at https://unique-chan.github.io/G-MAD-Project.
发表机构
- LIG Defense&Aerospace（LIG国防与航空航天公司）
- GIST（韩国科学技术院）
机构由 AI 辅助整理，请以论文原文为准。
