Fugu-MT 論文翻訳(概要): Video based real-time positional tracker

論文の概要: Video based real-time positional tracker

arxiv url: http://arxiv.org/abs/2009.08276v3
Date: Thu, 29 Oct 2020 08:57:00 GMT
ステータス: 処理完了
システム内更新日: 2022-10-17 11:48:37.070177
Title: Video based real-time positional tracker
Title（参考訳）: ビデオベースリアルタイム位置追跡装置
Authors: David Albarrac\'in, Jes\'us Hormigo, Jos\'e David Fern\'andez
Abstract要約: 本研究では,映像を入力として,周囲環境に対する物体の位置をリアルタイムで追跡するシステムを提案する。位置追跡装置は、選択されたアリーナの周りに置かれる1〜n台のビデオカメラに依存している。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a system that uses video as the input to track the position of objects relative to their surrounding environment in real-time. The neural network employed is trained on a 100% synthetic dataset coming from our own automated generator. The positional tracker relies on a range of 1 to n video cameras placed around an arena of choice. The system returns the positions of the tracked objects relative to the broader world by understanding the overlapping matrices formed by the cameras and therefore these can be extrapolated into real world coordinates. In most cases, we achieve a higher update rate and positioning precision than any of the existing GPS-based systems, in particular for indoor objects or those occluded from clear sky.
Abstract（参考訳）: 本研究では,映像を入力として,周囲環境に対する物体の位置をリアルタイムで追跡するシステムを提案する。使用するニューラルネットワークは、私たちの自動生成装置から得られる100%合成データセットでトレーニングされます。この位置追跡装置は、1〜n台のビデオカメラが好きな場所に配置されている。システムは、カメラによって形成される重なり合う行列を理解することによって、より広い世界に対する追跡対象の位置を返すので、これらを現実世界の座標に外挿することができる。ほとんどの場合、既存のGPSシステムよりも高い更新率と位置決め精度を実現しています。

関連論文リスト

PointOdyssey: A Large-Scale Synthetic Dataset for Long-Term Point Tracking [90.29143475328506]
本稿では,大規模合成データセットとデータ生成フレームワークであるPointOdysseyを紹介する。私たちのゴールは、自然主義的な動きを持つ長いビデオに重点を置いて、最先端の技術を推し進めることです。実世界のモーションキャプチャーデータを用いて変形可能なキャラクタをアニメーション化し、モーションキャプチャー環境に合わせて3Dシーンを構築し、リアルビデオ上で構造から抽出したトラジェクトリを用いてカメラ視点を描画する。
論文参考訳（メタデータ） (2023-07-27T17:58:11Z)
Heteroskedastic Geospatial Tracking with Distributed Camera Networks [15.938635024739845]
本研究では,分散カメラネットワークのデータを用いた空間的物体追跡問題に焦点をあてる。目的は、物体の位置に関する不確実性とともに、地理空間座標における物体の軌道を予測することである。本研究では、4台のカメラのネットワークから高精度の地上真理物体の位置と映像データを含む新しい一物体地理空間追跡データセットを提案する。
論文参考訳（メタデータ） (2023-06-04T16:55:38Z)
Neural Implicit Dense Semantic SLAM [83.04331351572277]
本稿では,屋内シーンのメモリ効率,高密度な3次元形状,セマンティックセマンティックセグメンテーションをオンラインで学習する新しいRGBD vSLAMアルゴリズムを提案する。私たちのパイプラインは、従来の3Dビジョンベースのトラッキングとループクローズとニューラルフィールドベースのマッピングを組み合わせたものです。提案アルゴリズムはシーン認識を大幅に向上させ,様々なロボット制御問題を支援する。
論文参考訳（メタデータ） (2023-04-27T23:03:52Z)
NEWTON: Neural View-Centric Mapping for On-the-Fly Large-Scale SLAM [51.21564182169607]
Newtonは、リアルタイム観測に基づいて動的にニューラルネットワークを構築するビュー中心のマッピング手法である。本手法は,複数のニューラルネットワークを用いてシーンを表現することで,ループクロージャとシーン境界更新を用いたカメラポーズ更新を可能にする。実験の結果,既存の世界中心型ニューラルネットワークSLAMシステムよりも優れた性能を示した。
論文参考訳（メタデータ） (2023-03-23T20:22:01Z)
Autonomous Marker-less Rapid Aerial Grasping [5.892028494793913]
本稿では,自律的高速空中把握のための視覚ベースシステムを提案する。検出対象の高密度点雲を生成し,幾何に基づく把握計画を行う。飛行プラットフォームを用いた幾何学的把握技術の最初の利用例を示す。
論文参考訳（メタデータ） (2022-11-23T16:25:49Z)
Synthehicle: Multi-Vehicle Multi-Camera Tracking in Virtual Cities [4.4855664250147465]
複数の車両の追跡とセグメンテーションのための大規模な合成データセットを複数重なり合うカメラビューと非重なり合うカメラビューで提示する。データセットは17時間のラベル付きビデオ素材で構成され、64の異なる日、雨、夜のシーンで340台のカメラから記録されている。
論文参考訳（メタデータ） (2022-08-30T11:36:07Z)
Neural Scene Representation for Locomotion on Structured Terrain [56.48607865960868]
本研究では,都市環境を横断する移動ロボットの局所的な地形を再構築する学習手法を提案する。搭載されたカメラとロボットの軌道からの深度測定のストリームを用いて、ロボットの近傍の地形を推定する。ノイズ測定とカメラ配置の盲点からの大量の欠落データにもかかわらず,シーンを忠実に再構築する3次元再構成モデルを提案する。
論文参考訳（メタデータ） (2022-06-16T10:45:17Z)
PC-DAN: Point Cloud based Deep Affinity Network for 3D Multi-Object Tracking (Accepted as an extended abstract in JRDB-ACT Workshop at CVPR21) [68.12101204123422]
点雲は3次元座標における空間データの密集したコンパイルである。我々は3次元多目的追跡(MOT)のためのPointNetベースのアプローチを提案する。
論文参考訳（メタデータ） (2021-06-03T05:36:39Z)
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)
Reconstruction of 3D flight trajectories from ad-hoc camera networks [19.96488566402593]
本研究では,空飛ぶロボットシステムの3次元軌道を,同期しないカメラで撮影した映像から再構成する手法を提案する。我々のアプローチは、安価で容易に配備できる装置を用いて、動的に飛来する目標の堅牢かつ正確な外部からの追跡を可能にする。
論文参考訳（メタデータ） (2020-03-10T14:57:32Z)

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。