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
- LEAP-VO: Long-term Effective Any Point Tracking for Visual Odometry [56.95046107046027]
本稿では,LEAP(Long-term Effective Any Point Tracking)モジュールについて述べる。
LEAPは、動的トラック推定のために、視覚的、トラック間、時間的キューと慎重に選択されたアンカーを革新的に組み合わせている。
これらの特徴に基づき,強靭な視力計測システムLEAP-VOを開発した。
論文 参考訳(メタデータ) (2024-01-03T18:57:27Z) - 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) - A Machine Learning Approach to Improving Timing Consistency between
Global Route and Detailed Route [3.202646674984817]
不正確なタイミング予測は設計の労力を浪費し、回路性能を損なう。
この研究は、時間と「完全」ネットリストを最適化する最も初期の機会であるクロックツリー合成と配置の合法化の後のタイミング予測に焦点を当てている。
GR-based parasiticと時間推定のギャップを埋めるために,ポストGR最適化におけるポストDR結果のギャップを埋めるため,機械学習(ML)ベースのモデルを提案する。
論文 参考訳(メタデータ) (2023-05-11T16:01:23Z) - 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) - Multi model LSTM architecture for Track Association based on Automatic
Identification System Data [2.094022863940315]
トラックアソシエーションのためのLong Short-Term Memory (LSTM) ベースのマルチモデルフレームワークを提案する。
我々は、精度、リコール、F1スコアなどの標準的なパフォーマンス指標を用いて、アプローチのパフォーマンスを評価する。
論文 参考訳(メタデータ) (2023-04-04T03:11:49Z) - Contrastive Trajectory Similarity Learning with Dual-Feature Attention [24.445998309807965]
トレイ類似度尺度は、トラジェクトリデータベースにおけるクエリ述語として機能する。
そこで本研究では,TrajCLという学習に基づくトラジェクトリモデリング手法を提案する。
TrajCLは、最先端の軌跡類似度測定よりも一貫して、はるかに正確で高速である。
論文 参考訳(メタデータ) (2022-10-11T05:25:14Z) - Multi-Object Tracking and Segmentation with a Space-Time Memory Network [12.043574473965318]
トラックレットを関連づける新しいメモリベース機構に基づく多目的追跡とセグメンテーションの手法を提案する。
提案するトラッカーであるMeNToSは、特に長期データアソシエーションの問題に対処する。
論文 参考訳(メタデータ) (2021-10-21T17:13:17Z) - CRACT: Cascaded Regression-Align-Classification for Robust Visual
Tracking [97.84109669027225]
改良された提案改良モジュールCascaded Regression-Align- Classification (CRAC)を導入する。
CRACは多くのベンチマークで最先端のパフォーマンスを得る。
OTB-2015、UAV123、NfS、VOT-2018、TrackingNet、GOT-10k、LaSOTを含む7つのベンチマークの実験において、我々のCRACTは最先端の競合他社と比較して非常に有望な結果を示している。
論文 参考訳(メタデータ) (2020-11-25T02:18:33Z) - 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) - Deep Semantic Matching with Foreground Detection and Cycle-Consistency [103.22976097225457]
深層ネットワークに基づく弱い教師付きセマンティックマッチングに対処する。
本研究では,背景乱れの影響を抑えるために,前景領域を明示的に推定する。
複数の画像にまたがって予測変換を強制し、幾何的に可視かつ一貫したサイクル一貫性の損失を発生させる。
論文 参考訳(メタデータ) (2020-03-31T22:38:09Z) - Transformer Hawkes Process [79.16290557505211]
本稿では,長期的依存関係を捕捉する自己認識機構を利用したTransformer Hawkes Process (THP) モデルを提案する。
THPは、有意なマージンによる可能性と事象予測の精度の両方の観点から、既存のモデルより優れている。
本稿では、THPが関係情報を組み込む際に、複数の点過程を学習する際の予測性能の改善を実現する具体例を示す。
論文 参考訳(メタデータ) (2020-02-21T13:48:13Z)
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。