WildBox：非洲稀树草原野生动物航空单目 3D 检测的数据集和基准

我们介绍了 WildBox，这是一个用于通过无人机视频对野生动物进行单目 3D 检测的数据集和基准，其中包含 7 个非洲稀树草原物种的 237,505 个 3D 边界框注释，分为六个基准类别。注释遵循每段比例标准化相机框架中的 KITTI/Omni3D 兼容格式，并在每个段中维护实例标识。我们在零样本、真值 2D 框提示和有监督的 微调 协议下评估了两种开放词汇单目 3D 架构：OVMono3D-LIFT 和 DetAny3D。开放词汇 2D 基础模型提供可用的零样本野生动物定位 (50.55 AP@50)，但零样本 3D 检测在两种架构和测试的每个 2D 输入条件（包括 真值 2D 框提示）中崩溃至 0.00 AP，从而将故障隔离到 3D 阶段。 WildBox 上的 微调 将性能恢复至 8.68 +/- 0.47 AP-BEV@0.50 和 13.17 +/- 0.69 AP3D 宏。在 微调 后，深度贡献了标准化 Hausdorff 距离的 84%，在零样本中贡献了 99% 以上，将单目空中深度确定为该体系中的主要开放问题。从粗到细的课程，即在 Grevy's/plains 分割上的 微调 之前对合并的斑马类进行预训练，可以以更少的总计算量提高宏观 3D 性能，并且两个斑马子类的收益最大。 WildBox 发布了视频级分割、评估代码和基线检查点，以推动无人机视频的 3D 野生动物感知取得进展。