日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

熱知覚arXiv:2602.06203

AnyThermal:熱知覚のための汎用表現学習に向けて

AnyThermal: Towards Learning Universal Representations for Thermal Perception

シェア:XThreadsFacebookLINEはてブBluesky

RGB-Thermalデータセットと収集プラットフォームを構築し、視覚基盤モデルから蒸留することで、多様な環境とタスクに適用可能な熱画像バックボーンを学習した。

詳しい要約

1. どんなもの?

- 熱画像のための汎用バックボーンAnyThermalを提案。 - タスク非依存の熱特徴を学習し、cross-modal place recognition、thermal segmentation、monocular depth estimationなど多様なタスクに適用可能。 - 屋内、空中、オフロード、都市など幅広い環境で、タスク固有の訓練なしに利用できる。

2. 先行研究と比べてどこがすごい?

- 既存の熱バックボーンは小規模データでタスク固有訓練を行い、特定環境・タスクに限定される。 - AnyThermalは多環境・多タスクでタスク固有訓練不要。 - 既存データセットの多様性ギャップを埋めるTartanRGBTプラットフォームとデータセットを導入。 - 既存データセットで最大36%の改善を達成し、最先端性能を示す。

3. 技術・手法の肝は?

- 視覚基盤モデル(例:DINOv2)の特徴表現を、複数環境の熱データを用いて熱エンコーダに蒸留する。 - これにより、タスク非依存で堅牢な熱特徴を獲得。 - 多様な環境の熱データを収集するため、同期RGB-Thermal画像取得が可能なTartanRGBTプラットフォームを開発。 - このプラットフォームで4環境からなる多様でバランスの取れたTartanRGBTデータセットを収集。

4. どうやって有効だと検証した?

- 既存データセット上で多様な環境と下流タスクにおいて評価。 - 最大36%の性能改善を達成し、最先端結果を示すことで有効性を検証。 - 具体的な評価指標やベースラインは要旨からは不明。

5. 議論はある?

- 既存のRGB-Thermalデータセットの多様性ギャップを指摘し、TartanRGBTで補完。 - タスク固有訓練不要で多環境・多タスクに適用可能な点を強調。 - 限界や今後の課題については要旨からは不明。

6. 次に読むべき論文は?

- DINOv2(視覚基盤モデル) - 既存の熱バックボーンに関する研究(具体的名称は要旨からは不明) - cross-modal place recognition、thermal segmentation、monocular depth estimationの関連手法

※ 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: Parv Maheshwari, Jay Karhade, Yogesh Chawla, Isaiah Adu, Florian Heisen, Andrew Porco, Andrew Jong, Yifei Liu, Santosh Pitla, Sebastian Scherer, Wenshan Wang

分類: cs.CV, cs.AI, cs.LG, cs.RO

原文アブストラクト

We present AnyThermal, a thermal backbone that captures robust task-agnostic thermal features suitable for a variety of tasks such as cross-modal place recognition, thermal segmentation, and monocular depth estimation using thermal images. Existing thermal backbones that follow task-specific training from small-scale data result in utility limited to a specific environment and task. Unlike prior methods, AnyThermal can be used for a wide range of environments (indoor, aerial, off-road, urban) and tasks, all without task-specific training. Our key insight is to distill the feature representations from visual foundation models such as DINOv2 into a thermal encoder using thermal data from these multiple environments. To bridge the diversity gap of the existing RGB-Thermal datasets, we introduce the TartanRGBT platform, the first open-source data collection platform with synced RGB-Thermal image acquisition. We use this payload to collect the TartanRGBT dataset - a diverse and balanced dataset collected in 4 environments. We demonstrate the efficacy of AnyThermal and TartanRGBT, achieving state-of-the-art results with improvements of up to 36% across diverse environments and downstream tasks on existing datasets.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI