論文の概要: 3D-ZeF: A 3D Zebrafish Tracking Benchmark Dataset

• arxiv url: http://arxiv.org/abs/2006.08466v1
• Date: Mon, 15 Jun 2020 15:15:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-21 04:36:51.059165
• Title: 3D-ZeF: A 3D Zebrafish Tracking Benchmark Dataset
• Title（参考訳）: 3d-zef: ベンチマークデータセットを追跡する3dzebrafish
• Authors: Malte Pedersen, Joakim Bruslund Haurum, Stefan Hein Bengtson, Thomas B. Moeslund
• Abstract要約: 我々は3D-ZeFと呼ばれる多目的ゼブラフィッシュ追跡のための新しいステレオベース3D RGBデータセットを提案する。 提案したデータセットは,15～120秒から1-10自由移動ゼブラフィッシュの8つの配列から構成される。 ビデオには86,400点の注釈とバウンディングボックスが付されている。
• 参考スコア（独自算出の注目度）: 28.87476565633593
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work we present a novel publicly available stereo based 3D RGB dataset for multi-object zebrafish tracking, called 3D-ZeF. Zebrafish is an increasingly popular model organism used for studying neurological disorders, drug addiction, and more. Behavioral analysis is often a critical part of such research. However, visual similarity, occlusion, and erratic movement of the zebrafish makes robust 3D tracking a challenging and unsolved problem. The proposed dataset consists of eight sequences with a duration between 15-120 seconds and 1-10 free moving zebrafish. The videos have been annotated with a total of 86,400 points and bounding boxes. Furthermore, we present a complexity score and a novel open-source modular baseline system for 3D tracking of zebrafish. The performance of the system is measured with respect to two detectors: a naive approach and a Faster R-CNN based fish head detector. The system reaches a MOTA of up to 77.6%. Links to the code and dataset is available at the project page https://vap.aau.dk/3d-zef
• Abstract（参考訳）: 本研究では,多目的ゼブラフィッシュ追跡のためのステレオベース3d rgbデータセットである3d-zefを提案する。 ゼブラフィッシュ(zebrafish)は、神経障害、薬物依存などを研究するために用いられる、ますます人気のあるモデル生物である。 行動分析は、しばしばそのような研究の重要な部分である。 しかし、ゼブラフィッシュの視覚的類似性、閉塞性、および不安定な動きは、頑健な3D追跡を困難かつ未解決の問題にしている。 提案したデータセットは,15～120秒から1-10自由移動ゼブラフィッシュの8つの配列からなる。 ビデオには86,400点の注釈とバウンディングボックスが付されている。 さらに,zebrafishの3dトラッキングのための新しいオープンソースモジュールベースラインシステムと複雑性スコアを提案する。 システムの性能は、単純アプローチとより高速なR-CNNベースの魚頭検出器の2つの検出器で測定される。 このシステムは最大77.6%のmotaに達する。 コードとデータセットへのリンクはプロジェクトページhttps://vap.aau.dk/3d-zefで確認できる。

関連論文リスト

• UniDet3D: Multi-dataset Indoor 3D Object Detection [4.718582862677851]
  簡単な3Dオブジェクト検出モデルです 屋内データセットの混合で訓練され、様々な屋内環境で働くことができる。
  論文  参考訳（メタデータ） (2024-09-06T12:40:19Z)
• VoxelTrack: Exploring Voxel Representation for 3D Point Cloud Object Tracking [3.517993407670811]
  現在のLiDARポイントクラウドベースの3Dオブジェクトトラッキング(SOT)手法は、通常、ポイントベースの表現ネットワークに依存している。 本稿では,VoxelTrackと呼ばれる新しいトラッキングフレームワークを紹介する。 本質的に乱れた点雲を3Dボクセルにボクセル化することで、VoxelTrackは正確で堅牢な3D空間情報を効果的にモデル化する。
  論文  参考訳（メタデータ） (2024-08-05T06:38:43Z)
• Learning 3D Human Pose Estimation from Dozens of Datasets using a Geometry-Aware Autoencoder to Bridge Between Skeleton Formats [80.12253291709673]
  本稿では,アフィン結合型オートエンコーダ(ACAE)法を提案する。 このアプローチは、28人の人間のポーズデータセットを使って1つのモデルを監督する、極端なマルチデータセット体制にスケールします。
  論文  参考訳（メタデータ） (2022-12-29T22:22:49Z)
• A Lightweight and Detector-free 3D Single Object Tracker on Point Clouds [50.54083964183614]
  生のLiDARスキャンにおける物体の点雲は、通常スパースで不完全であるため、正確な目標固有検出を行うのは簡単ではない。 DMTは、複雑な3D検出器の使用を完全に除去する3Dトラッキングネットワークである。
  論文  参考訳（メタデータ） (2022-03-08T17:49:07Z)
• FGR: Frustum-Aware Geometric Reasoning for Weakly Supervised 3D Vehicle Detection [81.79171905308827]
  3Dアノテーションを使わずに点雲中の車両を検出するためのフラストラム対応幾何推論(FGR)を提案する。 本手法は粗い3次元セグメンテーションと3次元バウンディングボックス推定の2段階からなる。 2Dバウンディングボックスとスパースポイントクラウドだけで、3D空間内のオブジェクトを正確に検出できます。
  論文  参考訳（メタデータ） (2021-05-17T07:29:55Z)
• AcinoSet: A 3D Pose Estimation Dataset and Baseline Models for Cheetahs in the Wild [51.35013619649463]
  我々はAcinoSetと呼ばれる野生のフリーランニングチーターの広範なデータセットを提示する。 データセットには、119,490フレームのマルチビュー同期高速ビデオ映像、カメラキャリブレーションファイル、7,588フレームが含まれている。 また、結果の3D軌道、人間チェックされた3D地上真実、およびデータを検査するインタラクティブツールも提供される。
  論文  参考訳（メタデータ） (2021-03-24T15:54:11Z)
• Monocular Quasi-Dense 3D Object Tracking [99.51683944057191]
  周囲の物体の将来の位置を予測し、自律運転などの多くのアプリケーションで観測者の行動を計画するためには、信頼性と正確な3D追跡フレームワークが不可欠である。 移動プラットフォーム上で撮影された2次元画像のシーケンスから,移動物体を時間とともに効果的に関連付け,その全3次元バウンディングボックス情報を推定するフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-12T15:30:02Z)
• Fast and Furious: Real Time End-to-End 3D Detection, Tracking and Motion Forecasting with a Single Convolutional Net [93.51773847125014]
  本研究では,3Dセンサが捉えたデータを用いて,3D検出,追跡,動作予測を共同で推論する,新たなディープニューラルネットワークを提案する。 鳥の眼球を3次元の世界として表現し,空間と時間にまたがる3次元畳み込みを行う。
  論文  参考訳（メタデータ） (2020-12-22T22:43:35Z)
• JRMOT: A Real-Time 3D Multi-Object Tracker and a New Large-Scale Dataset [34.609125601292]
  我々は,RGB画像と3Dポイントクラウドの情報を統合し,リアルタイムトラッキング性能を実現する新しい3DMOTシステムJRMOTを提案する。 我々の研究の一環として、新しい大規模2D+3DデータセットとベンチマークであるJRDBデータセットをリリースしました。 提案する3D MOTシステムは,一般的な2DトラッキングKITTIベンチマークにおいて,競合する手法に対する最先端性能を示す。
  論文  参考訳（メタデータ） (2020-02-19T19:21:33Z)

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。