論文の概要: Real-Time Resource Allocation for Tracking Systems

• arxiv url: http://arxiv.org/abs/2010.03024v1
• Date: Mon, 21 Sep 2020 08:29:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-16 05:27:00.925788
• Title: Real-Time Resource Allocation for Tracking Systems
• Title（参考訳）: トラッキングシステムにおけるリアルタイムリソース割り当て
• Authors: Yash Satsangi, Shimon Whiteson, Frans A. Oliehoek, Henri Bouma
• Abstract要約: 本稿では,人物検出装置を画像の関連部分にのみ適用することにより,コストを大幅に削減するEmphPartiMaxというアルゴリズムを提案する。 PartiMaxは、イメージ内の$n$候補のEmphpixelボックスの$k$を選択するために、パーティクルフィルタの情報を利用する。 本システムでは,画像中のピクセルボックスの10%しか処理しないが,すべてのピクセルボックスを処理する場合,元のトラッキング性能の80%を維持している。
• 参考スコア（独自算出の注目度）: 54.802447204921634
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated tracking is key to many computer vision applications. However, many tracking systems struggle to perform in real-time due to the high computational cost of detecting people, especially in ultra high resolution images. We propose a new algorithm called \emph{PartiMax} that greatly reduces this cost by applying the person detector only to the relevant parts of the image. PartiMax exploits information in the particle filter to select $k$ of the $n$ candidate \emph{pixel boxes} in the image. We prove that PartiMax is guaranteed to make a near-optimal selection with error bounds that are independent of the problem size. Furthermore, empirical results on a real-life dataset show that our system runs in real-time by processing only 10\% of the pixel boxes in the image while still retaining 80\% of the original tracking performance achieved when processing all pixel boxes.
• Abstract（参考訳）: 自動トラッキングは多くのコンピュータビジョンアプリケーションにとって鍵となる。 しかし、特に超高解像度画像において、人を検出するための計算コストが高いため、多くのトラッキングシステムはリアルタイムに実行できない。 本稿では,画像の関連部分にのみ人検出装置を適用することにより,コストを大幅に削減するアルゴリズム「emph{PartiMax}」を提案する。 partimaxは粒子フィルタの情報を活用し、画像中の$n$の候補 \emph{pixelbox} から$k$を選択する。 問題サイズに依存しない誤差境界で,PartiMaxがほぼ最適選択可能であることを証明した。 さらに,実生活データを用いた実験結果から,全画素ボックス処理時のトラッキング性能の80-%を保ちながら,画像中の画素ボックスの10-%のみを処理し,リアルタイムに動作できることが分かる。

関連論文リスト

• Multi-resolution Rescored ByteTrack for Video Object Detection on Ultra-low-power Embedded Systems [13.225654514930595]
  Multi-Resolution Rescored Byte-Track (MR2-ByteTrack)は、超低消費電力組み込みプロセッサのための新しいビデオオブジェクト検出フレームワークである。 MR2-ByteTrackは、市販のDeep Neural Networkベースのオブジェクト検出器の平均計算負荷を最大2.25$times$に削減する。 GAP9マイクロコントローラでは,平均精度が2.16%,遅延が43%向上した。
  論文  参考訳（メタデータ） (2024-04-17T15:45:49Z)
• 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)
• Learn how to Prune Pixels for Multi-view Neural Image-based Synthesis [10.571582038258443]
  本稿では,ピクセルプルーニングの手法であるLeHoPPを提案する。 レンダリングビューにおける各入力ピクセルの重要性について検討し、無関係なピクセルの使用を避ける。 画像ベースのレンダリングネットワークを再トレーニングしなくても,合成品質と画素レートのトレードオフは良好である。
  論文  参考訳（メタデータ） (2023-05-05T14:29:24Z)
• Person Detection Using an Ultra Low-resolution Thermal Imager on a Low-cost MCU [5.684789481921423]
  低コスト32x24ピクセルの静止画像から熱映像を処理する超軽量CNN人体検出器を提案する。 我々のモデルは最大91.62%の精度(F1スコア)を実現し、10k未満のパラメータを持ち、低コストマイクロコントローラ上で87msと46msの速度で動作します。
  論文  参考訳（メタデータ） (2022-12-16T11:27:50Z)
• Beyond Greedy Search: Tracking by Multi-Agent Reinforcement Learning-based Beam Search [103.53249725360286]
  既存のトラッカーは通常、フレーム毎のトラッキング結果として最大スコアの場所または提案を選択する。 本稿では,この問題に対処するために,新しいマルチエージェント強化学習に基づくビームサーチ戦略(BeamTracking と呼ばれる)を提案する。
  論文  参考訳（メタデータ） (2022-05-19T16:35:36Z)
• Generating Superpixels for High-resolution Images with Decoupled Patch Calibration [82.21559299694555]
  Patch Networks (PCNet) は高解像度のスーパーピクセルセグメンテーションを効率的かつ正確に実装するように設計されている。 DPCは高解像度画像から局所パッチを取得し、動的にバイナリマスクを生成し、ネットワークを領域境界に集中させる。 特に、DPCは高解像度画像からローカルパッチを取り、動的にバイナリマスクを生成して、ネットワークを領域境界に集中させる。
  論文  参考訳（メタデータ） (2021-08-19T10:33:05Z)
• Fast, Accurate Barcode Detection in Ultra High-Resolution Images [1.160208922584163]
  UHR画像におけるバーコードの高速かつ正確な検出を実現するためにセマンティックセグメンテーションを提案する。 エンドツーエンドシステムは16ミリ秒のレイテンシを持ち、YOLOv4よりも2.5回$高速で、Mask RCNNよりも5.9回$高速です。 精度の面では, YOLOv4 と Mask R-CNN をそれぞれ$mAP$5.5%, 47.1% で上回っている。
  論文  参考訳（メタデータ） (2021-02-13T05:59:59Z)
• Personal Privacy Protection via Irrelevant Faces Tracking and Pixelation in Video Live Streaming [61.145467627057194]
  我々は、ビデオライブストリーミングにおいて、自動プライバシーフィルタリングを生成するためのFace Pixelationと呼ばれる新しい方法を開発した。 無関係な人々の顔の高速かつ正確なピクセル化のために、FPVLSは2つのコアステージのフレームツービデオ構造で構成されています。 収集したビデオライブストリーミングデータセットにおいて、FPVLSは満足度の高い精度、リアルタイム効率を取得し、オーバーピクセル問題を含む。
  論文  参考訳（メタデータ） (2021-01-04T16:18:26Z)
• Faster than FAST: GPU-Accelerated Frontend for High-Speed VIO [46.20949184826173]
  この研究は、既存のコンピュータビジョンアルゴリズムを改善するために、効率的な低レベルGPUハードウェア固有の命令の適用性に焦点を当てている。 特に、非マックス抑圧とその後の特徴選択は、全体的な画像処理遅延への顕著な寄与である。
  論文  参考訳（メタデータ） (2020-03-30T14:16:23Z)

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。