論文の概要: Appearance-free Tripartite Matching for Multiple Object Tracking
- arxiv url: http://arxiv.org/abs/2008.03628v2
- Date: Thu, 7 Oct 2021 18:05:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-01 04:34:41.651978
- Title: Appearance-free Tripartite Matching for Multiple Object Tracking
- Title（参考訳）: 複数物体追跡のための外観自由三成分マッチング
- Authors: Lijun Wang, Yanting Zhu, Jue Shi, Xiaodan Fan
- Abstract要約: マルチオブジェクト追跡(MOT)は、入力されたビデオから複数のオブジェクトの軌跡を検出する。
既存のアルゴリズムのほとんどはオブジェクトの外観の特異性に依存しており、支配的な二部マッチング方式は速度の滑らかさを無視する。
両部マッチングの不規則な速度問題を回避するために, 外観自由三部マッチングを提案する。
- 参考スコア（独自算出の注目度）: 6.165592821539306
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multiple Object Tracking (MOT) detects the trajectories of multiple objects
given an input video. It has become more and more important for various
research and industry areas, such as cell tracking for biomedical research and
human tracking in video surveillance. Most existing algorithms depend on the
uniqueness of the object's appearance, and the dominating bipartite matching
scheme ignores the speed smoothness. Although several methods have incorporated
the velocity smoothness for tracking, they either fail to pursue global smooth
velocity or are often trapped in local optimums. We focus on the general MOT
problem regardless of the appearance and propose an appearance-free tripartite
matching to avoid the irregular velocity problem of the bipartite matching. The
tripartite matching is formulated as maximizing the likelihood of the state
vectors constituted of the position and velocity of objects, which results in a
chain-dependent structure. We resort to the dynamic programming algorithm to
find such a maximum likelihood estimate. To overcome the high computational
cost induced by the vast search space of dynamic programming when many objects
are to be tracked, we decompose the space by the number of disappearing objects
and propose a reduced-space approach by truncating the decomposition. Extensive
simulations have shown the superiority and efficiency of our proposed method,
and the comparisons with top methods on Cell Tracking Challenge also
demonstrate our competence. We also applied our method to track the motion of
natural killer cells around tumor cells in a cancer study.\footnote{The source
code is available on \url{https://github.com/szcf-weiya/TriMatchMOT}
- Abstract（参考訳）: マルチオブジェクト追跡(MOT)は、入力されたビデオから複数のオブジェクトの軌跡を検出する。
バイオメディカル研究のための細胞追跡やビデオ監視における人的追跡など、様々な研究・産業分野においてますます重要になっている。
既存のアルゴリズムのほとんどはオブジェクトの外観の特異性に依存しており、支配的な二部マッチング方式は速度の滑らかさを無視する。
いくつかの手法は追跡に速度の滑らかさを組み込んでいるが、グローバルなスムーズな速度を追求できないか、しばしば局所的な最適化に閉じ込められている。
外観によらず一般モット問題に着目し,二成分マッチングの不規則な速度問題を回避するため,外観自由三成分マッチングを提案する。
トリパルタイトマッチングは、物体の位置と速度から構成される状態ベクトルの確率を最大化するものとして定式化され、結果として鎖依存構造となる。
我々は, 動的プログラミングアルゴリズムを用いて, 推定値の最大値を求める。
多くのオブジェクトが追跡される場合、動的プログラミングの広大な探索空間によって引き起こされる高い計算コストを克服するために、消失するオブジェクトの数で空間を分解し、分解を断ち切ることで空間を縮小する手法を提案する。
大規模なシミュレーションにより提案手法の優位性と効率性を示し, セル追跡チャレンジにおける上位手法との比較もその能力を示している。
また,腫瘍細胞周囲のナチュラルキラー細胞の運動の追跡に本手法を適用した。
ソースコードは \url{https://github.com/szcf-weiya/TriMatchMOT} で入手できる。
関連論文リスト
- Dense Optical Tracking: Connecting the Dots [82.79642869586587]
DOTは、ビデオにおけるポイントトラッキングの問題を解決するための、新しくてシンプルで効率的な方法である。
OmniMotionのような高度な"ユニバーサルトラッカー"を上回り、CoTrackerのような最良のポイントトラッキングアルゴリズムと同等か、あるいはそれ以上の精度で、DOTが現在の光フロー技術よりもはるかに正確であることを示す。
論文 参考訳（メタデータ） (2023-12-01T18:59:59Z) - SparseTrack: Multi-Object Tracking by Performing Scene Decomposition
based on Pseudo-Depth [84.64121608109087]
2次元画像から目標の相対的な深さを求めるための擬似深度推定法を提案する。
次に,得られた深度情報を用いて,高密度なターゲットセットを複数のスパースなターゲットサブセットに変換するディープカスケードマッチング(DCM)アルゴリズムを設計する。
擬似深度法とDCM戦略をデータアソシエーションプロセスに統合することにより、SparseTrackと呼ばれる新しいトラッカーを提案する。
論文 参考訳（メタデータ） (2023-06-08T14:36:10Z) - Real-time Multi-Object Tracking Based on Bi-directional Matching [0.0]
本研究では,多目的追跡のための双方向マッチングアルゴリズムを提案する。
ストランド領域はマッチングアルゴリズムで使われ、追跡できないオブジェクトを一時的に保存する。
MOT17チャレンジでは、提案アルゴリズムは63.4%のMOTA、55.3%のIDF1、20.1のFPS追跡速度を達成した。
論文 参考訳（メタデータ） (2023-03-15T08:38:08Z) - ShaSTA: Modeling Shape and Spatio-Temporal Affinities for 3D
Multi-Object Tracking [25.093138732809738]
マルチオブジェクトトラッキングは、あらゆるロボットシステムの基盤となる能力である。
検出器は、低い精度のリコールシステムで機能し、偽陽性の頻度を高い頻度で生成しながら、低い数の偽陰性を確実にする。
本研究では, 連続するフレーム間の形状と時間的親和性を学習し, 真陽性と偽陽性の検知とトラックの識別をより良くする手法を提案する。
論文 参考訳（メタデータ） (2022-11-08T00:20:38Z) - CAMO-MOT: Combined Appearance-Motion Optimization for 3D Multi-Object
Tracking with Camera-LiDAR Fusion [34.42289908350286]
3D Multi-object Track (MOT) は、連続的な動的検出時の一貫性を保証する。
LiDAR法で物体の不規則な動きを正確に追跡することは困難である。
複合外観運動最適化(CAMO-MOT)に基づく新しいカメラ-LiDAR融合3DMOTフレームワークを提案する。
論文 参考訳（メタデータ） (2022-09-06T14:41:38Z) - Real Time Detection Free Tracking of Multiple Objects Via Equilibrium
Optimizer [0.951828574518325]
複数オブジェクト追跡(MOT)は通常、特別なハードウェアとより高い計算を必要とするため、難しい作業である。
平衡アルゴリズム(EO)とオブジェクトの境界ボックスの分解能の低減によるMOTの新しい枠組みを提案する。
実験結果から,EO多対象トラッカーが追従結果を満たすことが確認された。
論文 参考訳（メタデータ） (2022-05-22T06:04:34Z) - FMODetect: Robust Detection and Trajectory Estimation of Fast Moving
Objects [110.29738581961955]
高速移動物体の検出と軌道推定のための最初の学習ベースアプローチを提案する。
提案手法は, 高速移動物体を軌道への切り離された距離関数として検出する。
シャープな外観推定のために,エネルギー最小化に基づくデブロワーリングを提案する。
論文 参考訳（メタデータ） (2020-12-15T11:05:34Z) - Factor Graph based 3D Multi-Object Tracking in Point Clouds [8.411514688735183]
明示的および固定的な代入に依存しない新しい最適化に基づくアプローチを提案する。
我々は、実世界のKITTI追跡データセットの性能を実証し、多くの最先端アルゴリズムよりも優れた結果を得る。
論文 参考訳（メタデータ） (2020-08-12T13:34:46Z) - Dense Scene Multiple Object Tracking with Box-Plane Matching [73.54369833671772]
マルチオブジェクトトラッキング(MOT)はコンピュータビジョンにおいて重要なタスクである。
密集したシーンにおけるMOT性能を改善するために,Box-Plane Matching (BPM)法を提案する。
3つのモジュールの有効性により、ACM MM Grand Challenge HiEve 2020において、私たちのチームはトラック1のリーダーボードで1位を獲得しました。
論文 参考訳（メタデータ） (2020-07-30T16:39:22Z) - Tracking-by-Counting: Using Network Flows on Crowd Density Maps for
Tracking Multiple Targets [96.98888948518815]
State-of-the-art multi-object tracking(MOT)法は、トラッキング・バイ・検出のパラダイムに従っている。
混み合ったシーンに適したMOTパラダイムであるトラッキング・バイ・カウントを提案する。
論文 参考訳（メタデータ） (2020-07-18T19:51:53Z) - Tracking Road Users using Constraint Programming [79.32806233778511]
本稿では,マルチオブジェクトトラッキング(MOT)問題のトラッキング・バイ・検出パラダイムに見られるデータアソシエーションフェーズに対する制約プログラミング(CP)アプローチを提案する。
提案手法は車両追跡データを用いてテストし,UA-DETRACベンチマークの上位手法よりも優れた結果を得た。
論文 参考訳（メタデータ） (2020-03-10T00:04:32Z)
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。