ドローン画像における人物検出と行動認識のためのYOLO-WorldとGPT-4Vの活用

ドローン知覚における大規模多様モデル(LMM)の活用可能性を探る。YOLO-Worldは人物検出に優れ、GPT-4Vは検出された領域提案の分類に課題がある。