3Dアノテーション2025/6/1arXiv:2506.21358

ToosiCubix: 車両部品アノテーションによる単眼3D直方体ラベリング

ToosiCubix: Monocular 3D Cuboid Labeling via Vehicle Part Annotations

単眼画像とカメラ内部パラメータのみを用い、車両ごとに約10クリックの部品指定から3D直方体を推定するアノテーション手法を提案。

詳しい要約

1. どんなもの？

- 単眼画像とカメラ内部パラメータのみを用いて車両の3D cuboidアノテーションを行う手法 ToosiCubix の提案。 - 車両1台あたり約10回のユーザークリックで済み、特殊な機材なしで既存データセットに3Dアノテーションを追加できる。 - 車両パーツ（wheels, car badge, symmetries など）の特徴点を注釈することで位置・向き・寸法を推定する。

2. 先行研究と比べてどこがすごい？

- 既存の3D cuboidアノテーション手法は高価で入念にキャリブレーションされた camera-LiDAR や stereo 構成に依存し、大規模データ収集の障壁となっていた。 - 本手法は monocular 画像と intrinsic camera parameters のみで動作し、specialized equipment を必要としない点が大きな違い。 - 約10クリック/車両という低いアノテーションコストで、既存データセットへの後付け3D注釈を可能にする実用性が利点。

3. 技術・手法の肝は？

- 車両の特定部位（wheels, car badge, symmetries 等）にまたがる特徴点注釈から、位置・向き・寸法をスケール曖昧性を含む8 DoF として推定。 - 幾何拘束を最適化問題として定式化し、coordinate descent 戦略で PnP と least-squares の部分問題を交互に解く。 - スケールや未観測寸法といった曖昧性に対処するため probabilistic size priors を導入し、9 DoF の cuboid placement を実現。

4. どうやって有効だと検証した？

- 提案するアノテーションを KITTI および Cityscapes3D データセットに対して検証。 - 高品質な3D cuboidアノテーションのための cost-effective かつ scalable な解決策であることを示した。 - 具体的な精度指標や比較数値は要旨からは不明。

5. 議論はある？

- スケール曖昧性や未観測寸法といった一般的な曖昧性への対処として probabilistic size priors を導入している点が議論の対象。 - 単眼・内部パラメータのみという制約下での精度や、size priors への依存度については要旨からは不明。 - 大規模データ収集への実用性・拡張性が主張されているが、詳細な限界は要旨からは不明。

6. 次に読むべき論文は？

- KITTI および Cityscapes3D データセット（検証対象として参照）。 - Perspective-n-Points (PnP) および least-squares 最適化に関する文献。 - coordinate descent を用いた最適化手法の関連研究。 - 単眼画像からの3D vehicle cuboid 推定・アノテーションに関する既存手法（camera-LiDAR / stereo ベースのもの）。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Behrooz Nasihatkon, Hossein Resani, Amirreza Mehrzadian

分類: cs.CV, cs.RO

原文アブストラクト

Many existing methods for 3D cuboid annotation of vehicles rely on expensive and carefully calibrated camera-LiDAR or stereo setups, limiting their accessibility for large-scale data collection. We introduce ToosiCubix, a simple yet powerful approach for annotating ground-truth cuboids using only monocular images and intrinsic camera parameters. Our method requires only about 10 user clicks per vehicle, making it highly practical for adding 3D annotations to existing datasets originally collected without specialized equipment. By annotating specific features (e.g., wheels, car badge, symmetries) across different vehicle parts, we accurately estimate each vehicle's position, orientation, and dimensions up to a scale ambiguity (8 DoF). The geometric constraints are formulated as an optimization problem, which we solve using a coordinate descent strategy, alternating between Perspective-n-Points (PnP) and least-squares subproblems. To handle common ambiguities such as scale and unobserved dimensions, we incorporate probabilistic size priors, enabling 9 DoF cuboid placements. We validate our annotations against the KITTI and Cityscapes3D datasets, demonstrating that our method offers a cost-effective and scalable solution for high-quality 3D cuboid annotation.

arXivで原文を読む →arXiv概要ページ

← 論文一覧