論文の概要: Tackling Occlusion in Siamese Tracking with Structured Dropouts

• arxiv url: http://arxiv.org/abs/2006.16571v1
• Date: Tue, 30 Jun 2020 07:09:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-15 05:30:30.033566
• Title: Tackling Occlusion in Siamese Tracking with Structured Dropouts
• Title（参考訳）: 構造液滴によるシームズ追跡におけるオクルージョン対策
• Authors: Deepak K. Gupta, Efstratios Gavves and Arnold W. M. Smeulders
• Abstract要約: 排除は、モデルに対するオブジェクト追跡において最も難しい課題の1つです。 隠蔽下での潜伏符号の変化を模倣する構造的なドロップアウトを提案する。 いくつかのトラッキングベンチマークの実験は、構造化されたドロップアウトの利点を示している。
• 参考スコア（独自算出の注目度）: 42.303946665229965
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Occlusion is one of the most difficult challenges in object tracking to model. This is because unlike other challenges, where data augmentation can be of help, occlusion is hard to simulate as the occluding object can be anything in any shape. In this paper, we propose a simple solution to simulate the effects of occlusion in the latent space. Specifically, we present structured dropout to mimick the change in latent codes under occlusion. We present three forms of dropout (channel dropout, segment dropout and slice dropout) with the various forms of occlusion in mind. To demonstrate its effectiveness, the dropouts are incorporated into two modern Siamese trackers (SiamFC and SiamRPN++). The outputs from multiple dropouts are combined using an encoder network to obtain the final prediction. Experiments on several tracking benchmarks show the benefits of structured dropouts, while due to their simplicity requiring only small changes to the existing tracker models.
• Abstract（参考訳）: 閉塞は、モデルに対するオブジェクト追跡の最も難しい課題の1つです。 これは、データ拡張が役立つ他の課題とは異なり、排他的オブジェクトがどんな形でもできるため、排他的オブジェクトをシミュレートするのは困難である。 本稿では,潜在空間における咬合の影響をシミュレートするための簡易解を提案する。 具体的には,咬合下の潜在コードの変化を模倣する構造化ドロップアウトを提案する。 我々は, 様々な形態の閉塞を念頭に, ドロップアウトの3つの形態(チャンネルドロップアウト, セグメントドロップアウト, スライスドロップアウト)を示す。 その効果を示すため、ドロップアウトは2つの現代のシームズトラッカー(SiamFCとSiamRPN++)に組み込まれている。 複数のドロップアウトからの出力をエンコーダネットワークを用いて組み合わせて最終的な予測を得る。 いくつかのトラッキングベンチマークの実験では、構造化されたドロップアウトの利点が示されているが、既存のトラッカーモデルにわずかな変更しか必要としない単純さのためである。

関連論文リスト

• Occlusion Resilient 3D Human Pose Estimation [52.49366182230432]
  排除は、シングルカメラビデオシーケンスからの3Dボディポーズ推定における重要な課題の1つとして残されている。 単一カメラシーケンスからポーズを推測する最先端技術と比較して,このアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2024-02-16T19:29:43Z)
• CharacterGAN: Few-Shot Keypoint Character Animation and Reposing [64.19520387536741]
  本稿では,与えられた文字の少数のサンプルに対してのみトレーニング可能な生成モデルである characterGAN を紹介する。 我々のモデルはキーポイント位置に基づいて新しいポーズを生成し、インタラクティブなフィードバックを提供しながらリアルタイムで修正することができる。 提案手法は,近年のベースラインよりも優れており,多様なキャラクタに対してリアルなアニメーションを生成する。
  論文  参考訳（メタデータ） (2021-02-05T12:38:15Z)
• Recurrent Multi-view Alignment Network for Unsupervised Surface Registration [79.72086524370819]
  非厳格な登録をエンドツーエンドで学習することは、本質的に高い自由度とラベル付きトレーニングデータの欠如により困難である。 我々は、いくつかの剛性変換のポイントワイドな組み合わせで、非剛性変換を表現することを提案する。 また,投影された多視点2次元深度画像上での3次元形状の類似度を計測する可微分損失関数も導入する。
  論文  参考訳（メタデータ） (2020-11-24T14:22:42Z)
• Exploring Simple Siamese Representation Learning [68.37628268182185]
  i) 負のサンプル対, (ii) 大きいバッチ, (iii) 運動量エンコーダを用いて, 単純なシームズネットワークは意味のある表現を学習できることを示す。 実験により, 崩壊解は損失や構造に対して存在するが, 崩壊を防止する上では, 停止段階の操作が重要な役割を担っていることがわかった。
  論文  参考訳（メタデータ） (2020-11-20T18:59:33Z)
• Cascaded Regression Tracking: Towards Online Hard Distractor Discrimination [202.2562153608092]
  本稿では,2段階の逐次回帰トラッカーを提案する。 第1段階では, 容易に同定可能な負の候補を抽出する。 第2段階では、残留するあいまいな硬質試料をダブルチェックするために、離散サンプリングに基づくリッジ回帰を設計する。
  論文  参考訳（メタデータ） (2020-06-18T07:48:01Z)

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。