論文の概要: Deep Convolutional Likelihood Particle Filter for Visual Tracking

• arxiv url: http://arxiv.org/abs/2006.06746v1
• Date: Thu, 11 Jun 2020 19:02:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-22 13:31:21.876008
• Title: Deep Convolutional Likelihood Particle Filter for Visual Tracking
• Title（参考訳）: ビジュアルトラッキングのための深部畳み込み様粒子フィルタ
• Authors: Reza Jalil Mozhdehi and Henry Medeiros
• Abstract要約: 畳み込み相関型ビジュアルトラッカーのための新しい粒子フィルタを提案する。 本手法は,確率分布の推定に相関応答マップを用いる。 我々のフレームワークは最先端の手法より優れている。
• 参考スコア（独自算出の注目度）: 0.7424262881242935
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a novel particle filter for convolutional-correlation visual trackers. Our method uses correlation response maps to estimate likelihood distributions and employs these likelihoods as proposal densities to sample particles. Likelihood distributions are more reliable than proposal densities based on target transition distributions because correlation response maps provide additional information regarding the target's location. Additionally, our particle filter searches for multiple modes in the likelihood distribution, which improves performance in target occlusion scenarios while decreasing computational costs by more efficiently sampling particles. In other challenging scenarios such as those involving motion blur, where only one mode is present but a larger search area may be necessary, our particle filter allows for the variance of the likelihood distribution to increase. We tested our algorithm on the Visual Tracker Benchmark v1.1 (OTB100) and our experimental results demonstrate that our framework outperforms state-of-the-art methods.
• Abstract（参考訳）: 畳み込み相関型ビジュアルトラッカーのための新しい粒子フィルタを提案する。 本手法では, 近似分布を推定するために相関応答写像を用い, 試料粒子の密度を推定する。 相関応答マップは、ターゲットの位置に関する追加情報を提供するため、ターゲット遷移分布に基づく提案密度よりも信頼性が高い。 さらに, 粒子フィルタは, 多モードの確率分布を探索し, より効率的に粒子をサンプリングすることで計算コストを低減しつつ, 目標咬合シナリオの性能を向上させる。 動きのぼけを含む他の困難なシナリオでは、1つのモードしか存在せず、より大きな探索領域が必要となる可能性がある場合、粒子フィルタにより確率分布のばらつきが増大する。 我々はこのアルゴリズムをvisual tracker benchmark v1.1 (otb100) でテストし,本フレームワークが最先端の手法を上回ることを実証した。

関連論文リスト

• Improved off-policy training of diffusion samplers [93.66433483772055]
  本研究では,非正規化密度やエネルギー関数を持つ分布からサンプルを抽出する拡散モデルの訓練問題について検討する。 シミュレーションに基づく変分法や非政治手法など,拡散構造推論手法のベンチマークを行った。 我々の結果は、過去の研究の主張に疑問を投げかけながら、既存のアルゴリズムの相対的な利点を浮き彫りにした。
  論文  参考訳（メタデータ） (2024-02-07T18:51:49Z)
• Projection Regret: Reducing Background Bias for Novelty Detection via Diffusion Models [72.07462371883501]
  本研究では,非意味情報のバイアスを緩和する効率的な新規性検出手法であるemphProjection Regret(PR)を提案する。 PRは、テスト画像とその拡散ベースの投影の間の知覚距離を計算し、異常を検出する。 拡張実験により、PRは生成モデルに基づく新規性検出手法の先行技術よりも有意なマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2023-12-05T09:44:47Z)
• Unsupervised Learning of Sampling Distributions for Particle Filters [80.6716888175925]
  観測結果からサンプリング分布を学習する4つの方法を提案する。 実験により、学習されたサンプリング分布は、設計された最小縮退サンプリング分布よりも優れた性能を示すことが示された。
  論文  参考訳（メタデータ） (2023-02-02T15:50:21Z)
• Computational Doob's h-transforms for Online Filtering of Discretely Observed Diffusions [65.74069050283998]
  本研究では,Doobの$h$-transformsを近似する計算フレームワークを提案する。 提案手法は、最先端粒子フィルタよりも桁違いに効率的である。
  論文  参考訳（メタデータ） (2022-06-07T15:03:05Z)
• Unrolling Particles: Unsupervised Learning of Sampling Distributions [102.72972137287728]
  粒子フィルタリングは複素系の優れた非線形推定を計算するために用いられる。 粒子フィルタは様々なシナリオにおいて良好な推定値が得られることを示す。
  論文  参考訳（メタデータ） (2021-10-06T16:58:34Z)
• Deep Convolutional Correlation Iterative Particle Filter for Visual Tracking [1.1531505895603305]
  本研究では,反復的粒子フィルタ,深部畳み込みニューラルネットワーク,相関フィルタを統合した視覚追跡のための新しいフレームワークを提案する。 我々は, K-平均クラスタリングを適用して, 繰り返し後の粒子の可能性を評価する新しい手法を採用した。 2つの異なるベンチマークデータセットの実験結果は、トラッカーが最先端の手法に対して好適に動作することを示している。
  論文  参考訳（メタデータ） (2021-07-07T02:44:43Z)
• Differentiable Particle Filters through Conditional Normalizing Flow [6.230706386020833]
  微分可能な粒子フィルタは、観測データから学習することで、動的および測定モデルを適応的に訓練する柔軟なメカニズムを提供する。 本稿では, 条件付き正規化フローを用いて, 微分可能な粒子フィルタの提案分布を構築する。 視覚的トラッキングタスクにおけるフローベース微分可能粒子フィルタの条件正規化性能を実演する。
  論文  参考訳（メタデータ） (2021-07-01T14:31:27Z)
• Innovative And Additive Outlier Robust Kalman Filtering With A Robust Particle Filter [68.8204255655161]
  提案するCE-BASSは, 粒子混合カルマンフィルタであり, 革新的および付加的両方の外れ値に対して堅牢であり, 隠蔽状態の分布における多モード性を完全に捉えることができる。 さらに、CE-BASSは過去の状態を再サンプリングすることで、トレンドの変化のような観測ですぐには見えない革新的な外れ値を扱うことができる。
  論文  参考訳（メタデータ） (2020-07-07T07:11:09Z)
• Multiplicative Gaussian Particle Filter [18.615555573235987]
  フィルタ問題における近似推論のためのサンプリングに基づく新しい手法を提案する。 有限個の状態からなる条件分布を粒子フィルタで近似するのではなく、連続関数の集合から重み付けされた関数の和で分布を近似する。
  論文  参考訳（メタデータ） (2020-02-29T09:19:38Z)

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。