論文の概要: SAMOT: Switcher-Aware Multi-Object Tracking and Still Another MOT Measure

• arxiv url: http://arxiv.org/abs/2009.10338v1
• Date: Tue, 22 Sep 2020 06:22:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-15 22:44:52.210421
• Title: SAMOT: Switcher-Aware Multi-Object Tracking and Still Another MOT Measure
• Title（参考訳）: SAMOT:スイッチャー対応のマルチオブジェクトトラッキングとMOT
• Authors: Weitao Feng, Zhihao Hu, Baopu Li, Weihao Gan, Wei Wu, Wanli Ouyang
• Abstract要約: マルチオブジェクト追跡(MOT)はコンピュータビジョンにおいて一般的なトピックである。 アイデンティティ問題(Identity problem)、すなわち、オブジェクトは別のアイデンティティの別のオブジェクトと誤って関連付けられているが、依然として難しい問題である。 本稿では,マルチオブジェクト追跡のためのスイッチャー対応フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 88.74585449906313
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-Object Tracking (MOT) is a popular topic in computer vision. However, identity issue, i.e., an object is wrongly associated with another object of a different identity, still remains to be a challenging problem. To address it, switchers, i.e., confusing targets thatmay cause identity issues, should be focused. Based on this motivation,this paper proposes a novel switcher-aware framework for multi-object tracking, which consists of Spatial Conflict Graph model (SCG) and Switcher-Aware Association (SAA). The SCG eliminates spatial switch-ers within one frame by building a conflict graph and working out the optimal subgraph. The SAA utilizes additional information from potential temporal switcher across frames, enabling more accurate data association. Besides, we propose a new MOT evaluation measure, Still Another IDF score (SAIDF), aiming to focus more on identity issues.This new measure may overcome some problems of the previous measures and provide a better insight for identity issues in MOT. Finally,the proposed framework is tested under both the traditional measures and the new measure we proposed. Extensive experiments show that ourmethod achieves competitive results on all measure.
• Abstract（参考訳）: マルチオブジェクト追跡(MOT)はコンピュータビジョンにおいて一般的なトピックである。 しかし、アイデンティティの問題、すなわち、オブジェクトは別のアイデンティティの別のオブジェクトと誤って関連付けられており、依然として難しい問題である。 これに対処するためには、スイッチャー、すなわち、アイデンティティの問題を引き起こすような混乱したターゲットに焦点を合わせる必要がある。 そこで本研究では,Spatial Conflict Graph Model (SCG) と Switcher-Aware Association (SAA) から構成されるマルチオブジェクト追跡のためのスイッチャー対応フレームワークを提案する。 SCGは、コンフリクトグラフを構築し、最適なサブグラフを出力することで、1フレーム以内の空間スイッチを除去する。 SAAはフレームをまたいだ潜在的時間切換器からの追加情報を活用し、より正確なデータアソシエーションを可能にする。 また,本手法は,従来手法の問題点を克服し,motにおけるアイデンティティ問題に対するより良い洞察を提供するため,idfスコア(saidf)を新たに提案する。 最後に,提案手法を従来の尺度と提案した新たな尺度の両方で検証する。 広範な実験により,本手法はあらゆる点で競争力のある結果が得られることが示された。

関連論文リスト

• Keypoint Promptable Re-Identification [76.31113049256375]
  Occluded Person Re-Identification (ReID) は、その外見に基づいて隠蔽された個人をマッチングするメトリクス学習タスクである。 本稿では、入力バウンディングボックスを意味キーポイントの集合で明示的に補完する新しいReID問題の定式化であるKeypoint Promptable ReID(KPR)を紹介する。 我々は4つの人気のあるReIDベンチマークのためのカスタムキーポイントラベルをリリースした。人物検索の実験だけでなく、ポーズトラッキングの実験も、我々の手法が従来の最先端手法を体系的に超越していることを示す。
  論文  参考訳（メタデータ） (2024-07-25T15:20:58Z)
• Lost and Found: Overcoming Detector Failures in Online Multi-Object Tracking [15.533652456081374]
  マルチオブジェクト追跡(MOT)は、時間とともに複数のオブジェクトのアイデンティティと位置を正確に推定する。 現代の検出器は、あるフレーム内のいくつかのオブジェクトを見逃すことがあるため、トラッカーは早めに追跡をやめる。 オンラインTbDシステムと互換性のある汎用フレームワークであるBUSCAを提案する。
  論文  参考訳（メタデータ） (2024-07-14T10:45:12Z)
• Occlusion-Aware Detection and Re-ID Calibrated Network for Multi-Object Tracking [38.36872739816151]
  検出器内のOAA(Occlusion-Aware Attention)モジュールは、隠蔽された背景領域を抑えながらオブジェクトの特徴を強調する。 OAAは、隠蔽される可能性のある物体の検出器を強化する変調器として機能する。 最適輸送問題に基づくRe-ID埋め込みマッチングブロックを設計する。
  論文  参考訳（メタデータ） (2023-08-30T06:56:53Z)
• RLM-Tracking: Online Multi-Pedestrian Tracking Supported by Relative Location Mapping [5.9669075749248774]
  マルチオブジェクトトラッキングの問題は、公安、輸送、自動運転車、ロボティクス、人工知能を含む他の領域で広く利用されている、基本的なコンピュータビジョン研究の焦点である。 本稿では、オブジェクト textbfRelative Location Mapping (RLM) モデルと textbfTarget Region Density (TRD) モデルを含む、上記の問題に対する新しいマルチオブジェクトトラッカーを設計する。 新しいトラッカーは、オブジェクト間の位置関係の違いに敏感である。 物体の密度に応じてリアルタイムで異なる領域に低スコア検出フレームを導入することができる
  論文  参考訳（メタデータ） (2022-10-19T11:37:14Z)
• Multiple Object Tracking in Recent Times: A Literature Review [0.0]
  複数の物体追跡はコンピュータビジョンにおけるトレンドの1つとなっている。 Motは、混み合ったシーンの隠蔽、類似した外観、小さなオブジェクト検出の難しさ、IDの切り替えなど、さまざまな問題に対する重要なビジョンタスクの1つです。 我々は過去3年間に100以上の論文を研究し、MOTの問題を解決するために近年研究者が注目しているテクニックの抽出を試みた。
  論文  参考訳（メタデータ） (2022-09-11T06:12:28Z)
• Scalable Video Object Segmentation with Identification Mechanism [125.4229430216776]
  本稿では,半教師付きビデオオブジェクト(VOS)のスケーラブルで効果的なマルチオブジェクトモデリングを実現する上での課題について検討する。 AOT(Associating Objects with Transformers)とAOST(Associating Objects with Scalable Transformers)の2つの革新的なアプローチを提案する。 当社のアプローチは最先端の競合に勝って,6つのベンチマークすべてにおいて,例外的な効率性とスケーラビリティを一貫して示しています。
  論文  参考訳（メタデータ） (2022-03-22T03:33:27Z)
• Online Multiple Object Tracking with Cross-Task Synergy [120.70085565030628]
  位置予測と埋め込み結合の相乗効果を考慮した新しい統一モデルを提案する。 この2つのタスクは、時間認識対象の注意と注意の注意、およびアイデンティティ認識メモリ集約モデルによってリンクされる。
  論文  参考訳（メタデータ） (2021-04-01T10:19:40Z)
• Rethinking the competition between detection and ReID in Multi-Object Tracking [44.59367033562385]
  検出と識別の埋め込みを共同で学習するワンショットモデルは、マルチオブジェクトトラッキング(MOT)において大きな注目を集めている。 本稿では,タスク依存表現をよりよく学習するために,自己関係と相互関係を持つ新しい相互ネットワーク(REN)を提案する。 また,ID埋め込みの関連性を改善するために,意味レベルのミスアライメントを防止するスケールアウェア・アテンション・ネットワーク(SAAN)を導入する。
  論文  参考訳（メタデータ） (2020-10-23T02:44:59Z)
• MOTChallenge: A Benchmark for Single-Camera Multiple Target Tracking [72.76685780516371]
  単カメラ多目的追跡(MOT)のためのベンチマークMOTChallengeを提案する。 このベンチマークは、歩行者がトラッキングコミュニティで最も研究されているオブジェクトであるため、複数の人を追跡することに重点を置いている。 我々は,最先端トラッカーの分類と広い誤差解析を行う。
  論文  参考訳（メタデータ） (2020-10-15T06:52:16Z)
• 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)

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。