論文の概要: Efficient Data Association and Uncertainty Quantification for Multi-Object Tracking

• arxiv url: http://arxiv.org/abs/2011.07101v1
• Date: Fri, 13 Nov 2020 19:36:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-26 00:18:29.556972
• Title: Efficient Data Association and Uncertainty Quantification for Multi-Object Tracking
• Title（参考訳）: マルチオブジェクト追跡のための効率的なデータアソシエーションと不確かさの定量化
• Authors: David S. Hayden, Sue Zheng, John W. Fisher III
• Abstract要約: 本研究は, 関節後方追尾器 (JPT) について, 後部・後部・後部・後部・後部・後部・後部・後部・後部・後部・後部・後部・後部・後部・後部・後部・後部・後部・後部・後部・後部・後部・後部・後部・後部・ JPTは、標準メトリクスにおいて優れたパフォーマンスを持つデータアソシエーションのより正確な不確実性表現を示す。 また, トラジェクトリの品質向上のために, ユーザ・イン・ザ・ループアノテーションの自動スケジューリングに応用した JPT の有用性を示す。
• 参考スコア（独自算出の注目度）: 12.993112198633016
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robust data association is critical for analysis of long-term motion trajectories in complex scenes. In its absence, trajectory precision suffers due to periods of kinematic ambiguity degrading the quality of follow-on analysis. Common optimization-based approaches often neglect uncertainty quantification arising from these events. Consequently, we propose the Joint Posterior Tracker (JPT), a Bayesian multi-object tracking algorithm that robustly reasons over the posterior of associations and trajectories. Novel, permutation-based proposals are crafted for exploration of posterior modes that correspond to plausible association hypotheses. JPT exhibits more accurate uncertainty representation of data associations with superior performance on standard metrics when compared to existing baselines. We also show the utility of JPT applied to automatic scheduling of user-in-the-loop annotations for improved trajectory quality.
• Abstract（参考訳）: ロバスト・データ・アソシエーションは複雑なシーンにおける長期運動軌跡の分析に重要である。 その場合、軌道精度は運動学的曖昧性の期間によって低下し、追従分析の品質が低下する。 共通の最適化に基づくアプローチは、しばしばこれらのイベントから生じる不確実性定量化を無視する。 その結果,結合や軌跡の後方に頑健な理由を持つベイズ多目的追跡アルゴリズムであるJPT(Joint Posterior Tracker)を提案する。 置換に基づく新しい提案は、プラプシブルな関連仮説に対応する後続モードの探索のために作られた。 jptは、既存のベースラインと比較して、標準メトリクスのパフォーマンスが優れたデータアソシエーションのより正確な不確実性表現を示す。 また, 軌道品質向上のためのユーザ・イン・ザ・ループアノテーションの自動スケジューリングに応用したJPTの有用性を示す。

関連論文リスト

• Uncertainty-Penalized Direct Preference Optimization [52.387088396044206]
  我々は、優先不確実性ペナル化スキームを導入し、DPOの悲観的な枠組みを開発する。 ペナル化は、不確実なサンプルの損失勾配を減衰させる損失の補正として機能する。 我々は,バニラDPOと比較して全体的な性能が向上し,高い不確実性選択/拒絶反応によるプロンプトの完成度も向上した。
  論文  参考訳（メタデータ） (2024-10-26T14:24:37Z)
• Truncating Trajectories in Monte Carlo Policy Evaluation: an Adaptive Approach [51.76826149868971]
  モンテカルロシミュレーションによる政策評価は多くのMC強化学習(RL)アルゴリズムの中核にある。 本研究では,異なる長さの軌跡を用いた回帰推定器の平均二乗誤差のサロゲートとして品質指標を提案する。 本稿では,Robust and Iterative Data Collection Strategy Optimization (RIDO) という適応アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-17T11:47:56Z)
• Trajectory Anomaly Detection with Language Models [21.401931052512595]
  本稿では,自己回帰因果アテンションモデル(LM-TAD)を用いた軌道異常検出のための新しい手法を提案する。 トラジェクトリをトークンの列として扱うことにより、トラジェクトリ上の確率分布を学習し、高精度な異常位置の同定を可能にする。 本実験は, 合成および実世界の両方のデータセットに対するLM-TADの有効性を実証した。
  論文  参考訳（メタデータ） (2024-09-18T17:33:31Z)
• Bridging and Modeling Correlations in Pairwise Data for Direct Preference Optimization [75.1240295759264]
  本稿では,BMC という名前のペアデータにおけるブリッジ・アンド・モデリングの効果的なフレームワークを提案する。 目的の修正によって、ペアの選好信号の一貫性と情報性が向上する。 DPOだけではこれらの相関をモデル化し、ニュアンス付き変動を捉えるには不十分である。
  論文  参考訳（メタデータ） (2024-08-14T11:29:47Z)
• Data Augmentation Policy Search for Long-Term Forecasting [4.910937238451485]
  TSAAという時系列自動拡張手法を導入する。 効率的で実装も簡単です。 安定していくつかの堅牢なベースラインを上回ります。
  論文  参考訳（メタデータ） (2024-05-01T04:55:51Z)
• Representation Alignment Contrastive Regularization for Multi-Object Tracking [29.837560662395713]
  多目的追跡アルゴリズムのメインストリーム性能は、データアソシエーション段階における重時間関係のモデリングに依存する。 この研究は、深層学習に基づく時間的関係モデルを単純化し、データアソシエーション設計に解釈可能性を導入することを目的としている。
  論文  参考訳（メタデータ） (2024-04-03T08:33:08Z)
• RTracker: Recoverable Tracking via PN Tree Structured Memory [71.05904715104411]
  本稿では,木構造メモリを用いてトラッカーと検出器を動的に関連付け,自己回復を可能にするRTrackerを提案する。 具体的には,正負と負のターゲットサンプルを時系列に保存し,維持する正負のツリー構造メモリを提案する。 我々の中核となる考え方は、正と負の目標カテゴリーの支持サンプルを用いて、目標損失の信頼性評価のための相対的距離に基づく基準を確立することである。
  論文  参考訳（メタデータ） (2024-03-28T08:54:40Z)
• A Privacy-Preserving Trajectory Synthesis Method Based on Vector Translation Invariance Supporting Traffic Constraints [5.178920172140948]
  本稿では,トラジェクトリ間の関係に基づく集約クエリを提案し,既存の手法と比較してデータの有用性を大幅に向上させることができる。 提案手法が提案するトラジェクトリは有効性が高く,理論解析により安全かつ信頼性が高いことが示された。
  論文  参考訳（メタデータ） (2023-10-08T09:35:36Z)
• TrackFlow: Multi-Object Tracking with Normalizing Flows [36.86830078167583]
  トラッキング・バイ・ディテクトをマルチモーダル・セッティングに拡張することを目的としている。 3D情報の大まかな見積も利用可能であり、他の伝統的なメトリクスとマージする必要がある。 提案手法は,複数のトラッキング・バイ・検出アルゴリズムの性能を継続的に向上させる。
  論文  参考訳（メタデータ） (2023-08-22T15:40:03Z)
• Joint Metrics Matter: A Better Standard for Trajectory Forecasting [67.1375677218281]
  マルチモーダル・トラジェクトリ・予測法 : シングルエージェント・メトリクス(マージナル・メトリクス)を用いた評価 余分な指標にのみ注目することは、グループとして明確に一緒に歩いている人々のために、軌跡の衝突や軌跡のばらつきといった、不自然な予測につながる可能性がある。 本稿では,JADE,JFDE,衝突速度といったマルチエージェントメトリクス(ジョイントメトリクス)に関して,最先端トラジェクトリ予測手法の総合評価を行った。
  論文  参考訳（メタデータ） (2023-05-10T16:27:55Z)
• PnPNet: End-to-End Perception and Prediction with Tracking in the Loop [82.97006521937101]
  我々は、自動運転車の文脈において、共同認識と運動予測の問題に取り組む。 我々は,入力センサデータとしてエンド・ツー・エンドのモデルであるNetを提案し,各ステップのオブジェクト追跡とその将来レベルを出力する。
  論文  参考訳（メタデータ） (2020-05-29T17:57:25Z)

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。