論文の概要: Moving Objects Detection with a Moving Camera: A Comprehensive Review

• arxiv url: http://arxiv.org/abs/2001.05238v1
• Date: Wed, 15 Jan 2020 11:12:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-11 06:31:06.524975
• Title: Moving Objects Detection with a Moving Camera: A Comprehensive Review
• Title（参考訳）: 移動カメラによる移動物体検出:総括的レビュー
• Authors: Marie-Neige Chapel and Thierry Bouwmans
• Abstract要約: パノラマ背景のサブトラクション、デュアルカメラ、モーション補償、サブスペースセグメンテーション、モーションセグメンテーション、平面+パララックス、マルチプレーン、分割画像ブロックの8つの異なるアプローチに従って、メソッドがグループ化される。 スタティックカメラの手法のリマインダーと、スタティックカメラと移動カメラの両方の課題が提供される。
• 参考スコア（独自算出の注目度）: 2.5889737226898437
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: During about 30 years, a lot of research teams have worked on the big challenge of detection of moving objects in various challenging environments. First applications concern static cameras but with the rise of the mobile sensors studies on moving cameras have emerged over time. In this survey, we propose to identify and categorize the different existing methods found in the literature. For this purpose, we propose to classify these methods according to the choose of the scene representation: one plane or several parts. Inside these two categories, the methods are grouped according to eight different approaches: panoramic background subtraction, dual cameras, motion compensation, subspace segmentation, motion segmentation, plane+parallax, multi planes and split image in blocks. A reminder of methods for static cameras is provided as well as the challenges with both static and moving cameras. Publicly available datasets and evaluation metrics are also surveyed in this paper.
• Abstract（参考訳）: 約30年間、多くの研究チームが、さまざまな困難な環境で動く物体を検出するという大きな課題に取り組んできた。 最初のアプリケーションは静止カメラに関するものだが、移動カメラに関するモバイルセンサーの研究が盛んに進んでいる。 そこで本研究では,文献にみられる異なる方法を特定し,分類することを提案する。 そこで本研究では,これらの手法をシーン表現の選択に応じて1面または複数の部分に分けて分類する。 これら2つのカテゴリでは、パノラマ背景サブトラクション、デュアルカメラ、モーション補償、サブスペースセグメンテーション、モーションセグメンテーション、プレーン+パララックス、マルチプレーン、ブロック分割イメージの8つのアプローチでグループ化されている。 静的カメラのためのメソッドのリマインダーと、静的カメラと移動カメラの両方の課題が提供されている。 本論文では,公開データセットと評価指標についても検討する。

関連論文リスト

• Retrieval Robust to Object Motion Blur [54.34823913494456]
  本研究では,動きのぼやけの影響を受けやすい画像のオブジェクト検索手法を提案する。 ぼやけたオブジェクト検索のための最初の大規模データセットを提示する。 提案手法は,新しいぼやけた検索データセット上で,最先端の検索手法より優れている。
  論文  参考訳（メタデータ） (2024-04-27T23:22:39Z)
• Solution for Point Tracking Task of ICCV 1st Perception Test Challenge 2023 [50.910598799408326]
  Tracking Any Point (TAP) タスクは、ビデオを通じて任意の物理的表面を追跡する。 既存のいくつかのアプローチは、スムーズな運動軌跡を得るための時間的関係を考慮し、TAPを探索してきた。 我々は,静的カメラが撮影したビデオの静的点追跡の修正に焦点を当てた,信頼度の高い静的点付きTAP(TAPIR+)を提案する。
  論文  参考訳（メタデータ） (2024-03-26T13:50:39Z)
• Motion Segmentation from a Moving Monocular Camera [3.115818438802931]
  我々は、点軌跡法と光フロー法という、単眼運動分割手法の2つの一般的な分岐を生かしている。 我々は異なるシーン構造で様々な複雑な物体の動きを同時にモデル化することができる。 提案手法は,KT3DMoSegデータセット上での最先端性能を示す。
  論文  参考訳（メタデータ） (2023-09-24T22:59:05Z)
• Survey on video anomaly detection in dynamic scenes with moving cameras [16.849332621082613]
  我々は、移動カメラビデオ異常検出(MC-VAD)に関する最初の総合的な調査を行う。 私たちの調査では、セキュリティ、都市交通、海洋環境の3つのアプリケーション領域をカバーしています。 我々は、水中、水面、地面、空中の4つの異なる環境にまたがる、公開可能な25のデータセットをまとめる。 本稿では、これらのデータセットが対応するか含んでいる異常の種類を要約し、そのような異常を検出するための5つの主要なアプローチカテゴリを提示する。
  論文  参考訳（メタデータ） (2023-08-14T10:21:06Z)
• The Right Spin: Learning Object Motion from Rotation-Compensated Flow Fields [61.664963331203666]
  人間がどのように動く物体を知覚するかは、コンピュータービジョンにおける長年の研究課題である。 この問題の1つのアプローチは、これらすべての効果をモデル化するためのディープネットワークを教えることである。 運動場からカメラの回転を推定する新しい確率モデルを提案する。
  論文  参考訳（メタデータ） (2022-02-28T22:05:09Z)
• Attentive and Contrastive Learning for Joint Depth and Motion Field Estimation [76.58256020932312]
  単眼視システムからシーンの3次元構造とともにカメラの動きを推定することは複雑な作業である。 モノクロ映像からの3次元物体運動場推定のための自己教師付き学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-13T16:45:01Z)
• UAV Images Dataset for Moving Object Detection from Moving Cameras [0.0]
  本稿では,移動物体を手動でラベル付けする高分解能空中画像データセットを提案する。 移動カメラの移動物体検出手法の評価に寄与することを目的としている。
  論文  参考訳（メタデータ） (2021-03-21T18:44:38Z)
• Event-based Motion Segmentation with Spatio-Temporal Graph Cuts [51.17064599766138]
  イベントベースカメラで取得したオブジェクトを独立に識別する手法を開発した。 この方法は、予想される移動物体の数を事前に決定することなく、技術状態よりも同等以上の性能を発揮する。
  論文  参考訳（メタデータ） (2020-12-16T04:06:02Z)
• DyStaB: Unsupervised Object Segmentation via Dynamic-Static Bootstrapping [72.84991726271024]
  我々は,コヒーレントなシーン全体を移動しているように見えるシーンの画像の一部を検出し,分割するための教師なしの手法について述べる。 提案手法はまず,セグメント間の相互情報を最小化することにより,運動場を分割する。 セグメントを使用してオブジェクトモデルを学習し、静的なイメージの検出に使用することができる。
  論文  参考訳（メタデータ） (2020-08-16T22:05:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。