論文の概要: Bayesian nonparametric modeling for predicting dynamic dependencies in multiple object tracking

• arxiv url: http://arxiv.org/abs/2004.10798v1
• Date: Wed, 22 Apr 2020 19:07:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-10 17:31:01.513440
• Title: Bayesian nonparametric modeling for predicting dynamic dependencies in multiple object tracking
• Title（参考訳）: 複数物体追跡における動的依存関係予測のためのベイズ非パラメトリックモデリング
• Authors: Bahman Moraffah and Antonia Papndreou-Suppopola
• Abstract要約: 本稿では,複数の物体の追跡における問題に対処するためにベイズ的非パラメトリック手法を用いる。 本稿では,依存するディリクレとピットマン・ヤールのプロセスを用いて,複数のパラメータ状態のモデル化を提案する。 これらの非パラメトリックモデルは、既存の手法と比較して、より柔軟で堅牢であることが示されている。
• 参考スコア（独自算出の注目度）: 1.8275108630751837
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Some challenging problems in tracking multiple objects include the time-dependent cardinality, unordered measurements and object parameter labeling. In this paper, we employ Bayesian Bayesian nonparametric methods to address these challenges. In particular, we propose modeling the multiple object parameter state prior using the dependent Dirichlet and Pitman-Yor processes. These nonparametric models have been shown to be more flexible and robust, when compared to existing methods, for estimating the time-varying number of objects, providing object labeling and identifying measurement to object associations. Monte Carlo sampling methods are then proposed to efficiently learn the trajectory of objects from noisy measurements. Using simulations, we demonstrate the estimation performance advantage of the new methods when compared to existing algorithms such as the generalized labeled multi-Bernoulli filter.
• Abstract（参考訳）: 複数のオブジェクトを追跡する上で難しい問題には、時間依存濃度、無順序測定、オブジェクトパラメータのラベリングなどがある。 本稿では,ベイズ的ベイズ的非パラメトリック手法を用いてこれらの課題に対処する。 特に、依存するdirichletおよびpitman-yorプロセスを使う前に、複数のオブジェクトパラメータの状態のモデル化を提案する。 これらの非パラメトリックモデルは、オブジェクトの時間変化数を推定し、オブジェクトのラベル付けとオブジェクトの関連性の測定を行う既存の手法と比較して、より柔軟で堅牢であることが示されている。 次にモンテカルロサンプリング法を提案し,ノイズ測定から物体の軌跡を効率的に学習する。 シミュレーションを用いて,一般化ラベル付きマルチベルヌーリフィルタなどの既存アルゴリズムと比較して,新しい手法による推定性能の利点を示す。

関連論文リスト

• Transformer-Based Multi-Object Smoothing with Decoupled Data Association and Smoothing [20.99082981430798]
  マルチオブジェクト追跡(Multi-object Tracking、MOT)は、ある時間ウィンドウ上で、未知および時間変化したオブジェクトの状態軌跡を推定するタスクである。 ディープラーニングベースのアルゴリズムはこの問題に対処する場として考えられるが、正確なマルチオブジェクトモデルが利用できるような環境では広く適用されていない。 本稿では,データアソシエーションタスクをスムースなタスクから切り離すような,この設定に適した新しいDLアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-12-22T20:24:39Z)
• Appearance-Based Refinement for Object-Centric Motion Segmentation [85.2426540999329]
  本稿では,ビデオストリームの時間的一貫性を利用して,不正確なフローベース提案を補正する外観に基づく改善手法を提案する。 提案手法では,高精度なフロー予測マスクを模範として,シーケンスレベルの選択機構を用いる。 パフォーマンスは、DAVIS、YouTube、SegTrackv2、FBMS-59など、複数のビデオセグメンテーションベンチマークで評価されている。
  論文  参考訳（メタデータ） (2023-12-18T18:59:51Z)
• Object-Centric Conformance Alignments with Synchronization (Extended Version) [57.76661079749309]
  対象中心のペトリネットが一対多の関係を捉える能力と,その同一性に基づいたオブジェクトの比較と同期を行う識別子を持つペトリネットの能力を組み合わせた,新たな形式主義を提案する。 我々は、満足度変調理論(SMT)の符号化に基づく、そのようなネットに対する適合性チェック手法を提案する。
  論文  参考訳（メタデータ） (2023-12-13T21:53:32Z)
• Three-dimensional Tracking of a Large Number of High Dynamic Objects from Multiple Views using Current Statistical Model [0.0]
  複数のビューからの複数のオブジェクトの3次元追跡には、幅広い応用がある。 現在の統計モデルに基づくカルマン粒子フィルタ (CSKPF) 法はベイズ追跡時再構成の枠組みに従って提案される。 シミュレーション実験により、CSKPF法は、既存の定数速度ベース粒子フィルタ(CVPF)法と比較して、トラッキングの完全性、連続性、精度を向上させることが証明された。
  論文  参考訳（メタデータ） (2023-09-26T10:36:59Z)
• S$^3$Track: Self-supervised Tracking with Soft Assignment Flow [45.77333923477176]
  ビデオレベルのアソシエーションラベルを使わずに、自己監督型複数物体追跡について検討する。 オブジェクトアソシエーションのための微分可能なソフトオブジェクト割り当てを提案する。 提案手法は,KITTI,nuScenes,Argoverseのデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2023-05-17T06:25:40Z)
• Dynamic Proposals for Efficient Object Detection [48.66093789652899]
  本稿では,オブジェクト検出のための動的提案を生成することによって,異なる計算資源に適応する簡易かつ効果的な手法を提案する。 提案手法は,2段階モデルと問合せモデルを含む広範囲な検出モデルにおいて,大幅な高速化を実現する。
  論文  参考訳（メタデータ） (2022-07-12T01:32:50Z)
• Can Deep Learning be Applied to Model-Based Multi-Object Tracking? [25.464269324261636]
  マルチオブジェクトトラッキング(MOT)は、ノイズ測定を用いて未知の、時間変化のあるオブジェクトの状態をトラッキングする問題である。 ディープラーニング(DL)は、トラッキングパフォーマンスを改善するために、MOTでますます使われている。 本稿では,TransformerベースのDLトラッカーを提案し,その性能をモデルベースで評価する。
  論文  参考訳（メタデータ） (2022-02-16T07:43:08Z)
• A Few-Shot Sequential Approach for Object Counting [63.82757025821265]
  画像中のオブジェクトに逐次出席するクラスアテンション機構を導入し,それらの特徴を抽出する。 提案手法は点レベルのアノテーションに基づいて訓練され,モデルのクラス依存的・クラス依存的側面を乱す新しい損失関数を用いる。 本稿では,FSODやMS COCOなど,さまざまなオブジェクトカウント/検出データセットについて報告する。
  論文  参考訳（メタデータ） (2020-07-03T18:23:39Z)
• Evaluating the Disentanglement of Deep Generative Models through Manifold Topology [66.06153115971732]
  本稿では,生成モデルのみを用いた乱れの定量化手法を提案する。 複数のデータセットにまたがるいくつかの最先端モデルを実証的に評価する。
  論文  参考訳（メタデータ） (2020-06-05T20:54:11Z)
• CONSAC: Robust Multi-Model Fitting by Conditional Sample Consensus [62.86856923633923]
  我々は,同じ形状の複数のパラメトリックモデルを雑音測定に適合させる頑健な推定器を提案する。 複数のモデル検出のための手作り検索戦略を利用する従来の研究とは対照的に,データから検索戦略を学習する。 探索の自己教師付き学習において,提案したアルゴリズムをマルチホログラフィー推定で評価し,最先端手法よりも優れた精度を示す。
  論文  参考訳（メタデータ） (2020-01-08T17:37:01Z)

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。