論文の概要: Applying r-spatiogram in object tracking for occlusion handling
- arxiv url: http://arxiv.org/abs/2003.08021v1
- Date: Wed, 18 Mar 2020 02:42:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-22 10:17:34.867080
- Title: Applying r-spatiogram in object tracking for occlusion handling
- Title（参考訳）: 物体追跡におけるr-spatiogramの適用による閉塞処理
- Authors: Niloufar Salehi Dastjerdi and M. Omair Ahmad
- Abstract要約: 映像追跡の目的は、動画シーケンス内の移動対象を正確に特定し、そのシーケンスの特徴空間内の非ターゲットから目標を識別することである。
本稿では,オブジェクトモデリング,オブジェクト検出とローカライゼーション,モデル更新という,参照モデルの3つの主要コンポーネントで構成される多くのトラッカーの基本概念を用いる。
- 参考スコア（独自算出の注目度）: 16.36552899280708
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Object tracking is one of the most important problems in computer vision. The
aim of video tracking is to extract the trajectories of a target or object of
interest, i.e. accurately locate a moving target in a video sequence and
discriminate target from non-targets in the feature space of the sequence. So,
feature descriptors can have significant effects on such discrimination. In
this paper, we use the basic idea of many trackers which consists of three main
components of the reference model, i.e., object modeling, object detection and
localization, and model updating. However, there are major improvements in our
system. Our forth component, occlusion handling, utilizes the r-spatiogram to
detect the best target candidate. While spatiogram contains some moments upon
the coordinates of the pixels, r-spatiogram computes region-based compactness
on the distribution of the given feature in the image that captures richer
features to represent the objects. The proposed research develops an efficient
and robust way to keep tracking the object throughout video sequences in the
presence of significant appearance variations and severe occlusions. The
proposed method is evaluated on the Princeton RGBD tracking dataset considering
sequences with different challenges and the obtained results demonstrate the
effectiveness of the proposed method.
- Abstract（参考訳）: 物体追跡はコンピュータビジョンにおける最も重要な問題の1つである。
ビデオトラッキングの目的は、対象または対象の軌跡を抽出し、すなわち、動画シーケンス内の移動対象を正確に特定し、シーケンスの特徴空間における非対象からターゲットを判別することである。
したがって、特徴記述子はそのような差別に大きな影響を与える可能性がある。
本稿では,参照モデルの3つの主要コンポーネント,すなわちオブジェクトモデリング,オブジェクト検出とローカライゼーション,モデル更新からなる,多くのトラッカの基本的な考え方について述べる。
しかし、我々のシステムには大きな改善がある。
我々のforthコンポーネントであるocclusion handlingはr-spatiogramを利用して最適なターゲット候補を検知する。
スパティグラムはピクセルの座標上のいくつかのモーメントを含むが、r-spatiogramは、オブジェクトを表現するためによりリッチな特徴をキャプチャする画像内の与えられた特徴の分布に関する領域ベースのコンパクト性を計算する。
本研究は,映像中の物体の出現変化や重度の閉塞の存在下での追跡を効果的かつ堅牢に行う方法を開発した。
提案手法は,課題の異なるシーケンスを考慮し,プリンストン rgbd 追跡データセット上で評価し,提案手法の有効性を示す。
関連論文リスト
- GSLAMOT: A Tracklet and Query Graph-based Simultaneous Locating, Mapping, and Multiple Object Tracking System [8.247163057822258]
本稿では,この課題に対処するため,トラックレットグラフとクエリグラフベースのフレームワークであるGSLAMOTを提案する。
実験は、KITTIと、困難なシナリオを強調するエミュレートされたトラフィック混雑データセット上で実施されている。
論文 参考訳（メタデータ） (2024-08-17T13:09:33Z) - SeMoLi: What Moves Together Belongs Together [51.72754014130369]
動作手がかりに基づく半教師付き物体検出に挑戦する。
近年,移動物体の擬似ラベルインスタンスに対して,動きに基づくクラスタリング手法が適用可能であることが示唆された。
我々は、このアプローチを再考し、オブジェクト検出とモーションインスパイアされた擬似ラベルの両方が、データ駆動方式で取り組めることを示唆する。
論文 参考訳（メタデータ） (2024-02-29T18:54:53Z) - Object Preserving Siamese Network for Single Object Tracking on Point
Clouds [0.6165605009782557]
本稿では,オブジェクトの整合性を著しく維持し,トラッキング性能を向上できるオブジェクト保存シームスネットワーク(OPSNet)を提案する。
まず、オブジェクトハイライトモジュールは、オブジェクト認識機能を強化し、テンプレートや検索領域から識別的特徴を抽出する。
そして、オブジェクト保存サンプリングは、オブジェクト保存された検索領域のシードを取得するオブジェクト候補を選択し、追跡に寄与しないバックグラウンドポイントをドロップする。
最後に、オブジェクトローカライゼーションネットワークは、オブジェクト保存された検索エリアシードに基づいて、3D BBoxを正確に検出する。
論文 参考訳（メタデータ） (2023-01-28T02:21:31Z) - TripletTrack: 3D Object Tracking using Triplet Embeddings and LSTM [0.0]
3Dオブジェクトトラッキングは、自動運転システムにおいて重要なタスクである。
本稿では,3次元物体追跡における3重項埋め込みと動作表現の併用について検討する。
論文 参考訳（メタデータ） (2022-10-28T15:23:50Z) - Introduction of a tree-based technique for efficient and real-time label
retrieval in the object tracking system [1.6099403809839035]
本稿では,大規模ビデオ監視システムにおける移動物体のリアルタイム追跡品質の問題に対処する。
本稿では,複数のオブジェクトを自動的にラベル付けして,インデックス化機構を用いた効率的なリアルタイムトラッキングを実現する手法を提案する。
論文 参考訳（メタデータ） (2022-05-31T00:13:53Z) - RBGNet: Ray-based Grouping for 3D Object Detection [104.98776095895641]
本稿では,点雲からの正確な3次元物体検出のための投票型3次元検出器RBGNetフレームワークを提案する。
決定された光線群を用いて物体表面上の点方向の特徴を集約する。
ScanNet V2 と SUN RGB-D による最先端の3D 検出性能を実現する。
論文 参考訳（メタデータ） (2022-04-05T14:42:57Z) - SASA: Semantics-Augmented Set Abstraction for Point-based 3D Object
Detection [78.90102636266276]
SASA(Semantics-Augmented Set Abstraction)と呼ばれる新しい集合抽象化手法を提案する。
そこで本研究では, 推定点前景スコアに基づいて, より重要な前景点の維持を支援するセマンティックス誘導点サンプリングアルゴリズムを提案する。
実際には、SASAは、前景オブジェクトに関連する貴重な点を識別し、ポイントベースの3D検出のための特徴学習を改善するのに有効である。
論文 参考訳（メタデータ） (2022-01-06T08:54:47Z) - Learning Dynamic Compact Memory Embedding for Deformable Visual Object
Tracking [82.34356879078955]
本稿では,セグメント化に基づく変形可能な視覚追跡手法の識別を強化するために,コンパクトなメモリ埋め込みを提案する。
DAVIS 2017ベンチマークでは,D3SやSiamMaskなどのセグメンテーションベースのトラッカーよりも優れている。
論文 参考訳（メタデータ） (2021-11-23T03:07:12Z) - Factor Graph based 3D Multi-Object Tracking in Point Clouds [8.411514688735183]
明示的および固定的な代入に依存しない新しい最適化に基づくアプローチを提案する。
我々は、実世界のKITTI追跡データセットの性能を実証し、多くの最先端アルゴリズムよりも優れた結果を得る。
論文 参考訳（メタデータ） (2020-08-12T13:34:46Z) - Visual Tracking by TridentAlign and Context Embedding [71.60159881028432]
本稿では,Siamese ネットワークに基づく視覚的トラッキングのための新しい TridentAlign とコンテキスト埋め込みモジュールを提案する。
提案トラッカーの性能は最先端トラッカーに匹敵するが,提案トラッカーはリアルタイムに動作可能である。
論文 参考訳（メタデータ） (2020-07-14T08:00:26Z) - Benchmarking Unsupervised Object Representations for Video Sequences [111.81492107649889]
ViMON, OP3, TBA, SCALORの4つのオブジェクト中心アプローチの知覚能力を比較した。
この結果から,制約のない潜在表現を持つアーキテクチャは,オブジェクト検出やセグメンテーション,トラッキングといった観点から,より強力な表現を学習できる可能性が示唆された。
我々のベンチマークは、より堅牢なオブジェクト中心のビデオ表現を学習するための実りあるガイダンスを提供するかもしれない。
論文 参考訳（メタデータ） (2020-06-12T09:37:24Z)
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。