論文の概要: An Exploration of Target-Conditioned Segmentation Methods for Visual Object Trackers

• arxiv url: http://arxiv.org/abs/2008.00992v2
• Date: Thu, 13 Aug 2020 14:17:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-03 06:41:02.694693
• Title: An Exploration of Target-Conditioned Segmentation Methods for Visual Object Trackers
• Title（参考訳）: 視覚物体追跡のための目標条件セグメンテーション法の検討
• Authors: Matteo Dunnhofer, Niki Martinel, Christian Micheloni
• Abstract要約: 境界ボックストラッカーをセグメント化トラッカーに変換する方法を示す。 この手法は,最近提案されたセグメンテーショントラッカーと競合することを示す。
• 参考スコア（独自算出の注目度）: 24.210580784051277
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual object tracking is the problem of predicting a target object's state in a video. Generally, bounding-boxes have been used to represent states, and a surge of effort has been spent by the community to produce efficient causal algorithms capable of locating targets with such representations. As the field is moving towards binary segmentation masks to define objects more precisely, in this paper we propose to extensively explore target-conditioned segmentation methods available in the computer vision community, in order to transform any bounding-box tracker into a segmentation tracker. Our analysis shows that such methods allow trackers to compete with recently proposed segmentation trackers, while performing quasi real-time.
• Abstract（参考訳）: ビジュアルオブジェクトトラッキングは、ビデオ中のターゲットオブジェクトの状態を予測する問題である。 一般に、バウンディングボックスは状態を表すために使われており、そのような表現でターゲットを特定できる効率的な因果アルゴリズムを作成するために、コミュニティによって多大な労力が費やされている。 本稿では,対象物をより正確に定義するために,フィールドがバイナリセグメンテーションマスクに向かって移動しているため,コンピュータビジョンコミュニティで利用可能なターゲット条件セグメンテーション手法を広範囲に検討し,任意のバウンディングボックストラッカーをセグメンテーショントラッカーに変換することを提案する。 分析の結果,準リアルタイム動作をしながら,最近提案しているセグメンテーショントラッカと競合することができることがわかった。

関連論文リスト

• 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)
• LOCATE: Self-supervised Object Discovery via Flow-guided Graph-cut and Bootstrapped Self-training [13.985488693082981]
  動作情報と外観情報を利用して高品質な物体分割マスクを生成する自己教師型物体発見手法を提案する。 複数の標準ビデオオブジェクトセグメンテーション、画像のサリエンシ検出、オブジェクトセグメンテーションベンチマークにおいて、LOCATEと呼ばれるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2023-08-22T07:27:09Z)
• Robust Visual Tracking by Segmentation [103.87369380021441]
  対象範囲を推定することは、視覚的物体追跡において根本的な課題となる。 高精度なセグメンテーションマスクを生成するセグメンテーション中心のトラッキングパイプラインを提案する。 我々のトラッカーは、シーンのターゲットを背景コンテンツと明確に区別するターゲット表現をよりよく学習することができる。
  論文  参考訳（メタデータ） (2022-03-21T17:59:19Z)
• Prototypical Cross-Attention Networks for Multiple Object Tracking and Segmentation [95.74244714914052]
  複数のオブジェクトのトラッキングとセグメンテーションには、与えられたクラスのセットに属するオブジェクトを検出し、追跡し、セグメンテーションする必要がある。 オンライン上でリッチ・テンポラル情報を活用するプロトタイプ・クロス・アテンション・ネットワーク(PCAN)を提案する。 PCANは、Youtube-VISとBDD100Kデータセットで、現在のビデオインスタンス追跡とセグメンテーションコンテストの勝者を上回っている。
  論文  参考訳（メタデータ） (2021-06-22T17:57:24Z)
• Target-Aware Object Discovery and Association for Unsupervised Video Multi-Object Segmentation [79.6596425920849]
  本稿では,教師なしビデオマルチオブジェクトセグメンテーションの課題について述べる。 より正確で効率的な時間区分のための新しいアプローチを紹介します。 DAVIS$_17$とYouTube-VISに対する提案手法を評価した結果,セグメント化精度と推論速度の両方において最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2021-04-10T14:39:44Z)
• Self-supervised Segmentation via Background Inpainting [96.10971980098196]
  移動可能なカメラで撮影された単一の画像で、自己教師付き検出とセグメンテーションのアプローチを導入する。 我々は、提案に基づくセグメンテーションネットワークのトレーニングに利用する自己教師付き損失関数を利用する。 本手法は,標準ベンチマークから視覚的に切り離された画像の人間の検出とセグメント化に応用し,既存の自己監督手法より優れていることを示す。
  論文  参考訳（メタデータ） (2020-11-11T08:34:40Z)
• Know Your Surroundings: Exploiting Scene Information for Object Tracking [181.1750279330811]
  現在の最先端トラッカーは、各フレーム内のオブジェクトをローカライズするためにターゲットの外観モデルのみに依存している。 本研究では,トラッキングにシーン情報を利用する新しいトラッキングアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-03-24T17:59:04Z)

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。