G-MAD: マルチビューRGB-T空中物体検出のためのゲームベースデータ生成フレームワーク

要旨

本稿では、航空物体検出のための同期マルチビューRGB-Tデータを生成するオープンソースフレームワークG-MADを紹介する。G-MADは、実環境の航空データセット構築における主要な制約、すなわち視点制御の限界、RGB-Tの不完全な位置合わせ、高いアノテーションコストに対処する。本フレームワークは、構造化されたシナリオ指定、制御可能なマルチビューカメラ配置、可視/熱放射同時撮影、およびエンジンレベルの幾何学メタデータを用いた自動バウンディングボックスアノテーションをサポートする。これらの機能により、航空物体検出における視点変動、マルチモーダル融合、および合成から実環境への転移に関する制御された研究が可能となる。さらに、G-MADを用いて、新たな大規模マルチビュー航空RGB-T物体検出ベンチマークであるAMODを構築し公開する。ソースコードとデータセットはhttps://unique-chan.github.io/G-MAD-Projectで入手可能である。

English

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.