論文の概要: Duality-Gated Mutual Condition Network for RGBT Tracking

• arxiv url: http://arxiv.org/abs/2011.07188v3
• Date: Fri, 29 Apr 2022 14:32:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-25 13:38:38.314920
• Title: Duality-Gated Mutual Condition Network for RGBT Tracking
• Title（参考訳）: RGBT追従のための二重化相互条件ネットワーク
• Authors: Andong Lu, Cun Qian, Chenglong Li, Jin Tang and Liang Wang
• Abstract要約: 低品質なモダリティは、ノイズの多い情報だけでなく、RGBT追跡における識別的な特徴も含んでいる。 本稿では,全てのモダリティの識別情報を完全に活用する,新たな双対有界相互条件ネットワークを提案する。 本手法は最先端の追跡アルゴリズムに対して良好に機能する。
• 参考スコア（独自算出の注目度）: 37.23409362864011
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Low-quality modalities contain not only a lot of noisy information but also some discriminative features in RGBT tracking. However, the potentials of low-quality modalities are not well explored in existing RGBT tracking algorithms. In this work, we propose a novel duality-gated mutual condition network to fully exploit the discriminative information of all modalities while suppressing the effects of data noise. In specific, we design a mutual condition module, which takes the discriminative information of a modality as the condition to guide feature learning of target appearance in another modality. Such module can effectively enhance target representations of all modalities even in the presence of low-quality modalities. To improve the quality of conditions and further reduce data noise, we propose a duality-gated mechanism and integrate it into the mutual condition module. To deal with the tracking failure caused by sudden camera motion, which often occurs in RGBT tracking, we design a resampling strategy based on optical flow algorithms. It does not increase much computational cost since we perform optical flow calculation only when the model prediction is unreliable and then execute resampling when the sudden camera motion is detected. Extensive experiments on four RGBT tracking benchmark datasets show that our method performs favorably against the state-of-the-art tracking algorithms
• Abstract（参考訳）: 低品質なモダリティは、ノイズの多い情報だけでなく、RGBT追跡における識別的な特徴も含んでいる。 しかし、既存のRGBT追跡アルゴリズムでは、低品質なモダリティの可能性はよく調べられていない。 本研究では,データノイズの影響を抑えつつ,すべてのモダリティの識別情報をフル活用する,新たな双対有界相互条件ネットワークを提案する。 具体的には、目的の外観の特徴学習を他のモダリティで導く条件として、モダリティの識別情報を取り入れた相互条件モジュールを設計する。 このようなモジュールは、低品質のモダリティが存在する場合でも、すべてのモダリティのターゲット表現を効果的に強化することができる。 条件の質を向上し、さらにデータノイズを低減するため、二重性制御機構を提案し、相互条件モジュールに統合する。 RGBT追跡においてしばしば発生する突発的なカメラ動作によるトラッキング障害に対処するために,光フローアルゴリズムに基づく再サンプリング戦略を設計する。 モデル予測が信頼できない場合にのみ光フロー計算を行い、突然のカメラの動きが検出されると再サンプリングを行うので、計算コストはそれほど高くない。 4つのRGBT追跡ベンチマークデータセットの大規模な実験により、我々の手法は最先端追跡アルゴリズムに対して好適に機能することが示された。

関連論文リスト

• DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
  本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。 フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-05T06:18:03Z)
• FedNMUT -- Federated Noisy Model Update Tracking Convergence Analysis [3.665841843512992]
  分散ノイズモデル更新追跡フェデレート学習アルゴリズム(FedNMUT)を提案する。 ノイズの多い通信チャネルで効率的に機能するように調整されている。 FedNMUTはノイズをパラメータに組み込んで、ノイズの多い通信チャネルの条件を模倣する。
  論文  参考訳（メタデータ） (2024-03-20T02:17:47Z)
• Modality-missing RGBT Tracking: Invertible Prompt Learning and High-quality Benchmarks [21.139161163767884]
  モーダル情報は、熱センサーの自己校正やデータ伝送誤差などの要因によって見逃される可能性がある。 本稿では、コンテンツ保存プロンプトをよく訓練された追跡モデルに統合する、新しい非可逆的プロンプト学習手法を提案する。 提案手法は,最先端手法と比較して,大幅な性能向上を実現している。
  論文  参考訳（メタデータ） (2023-12-25T11:39:00Z)
• Combating Bilateral Edge Noise for Robust Link Prediction [56.43882298843564]
  本稿では,RGIB(Robust Graph Information Bottleneck)という情報理論の原則を提案し,信頼性の高い監視信号を抽出し,表現の崩壊を回避する。 RGIB-SSLとRGIB-REPの2つのインスタンス化は、異なる手法の利点を活用するために検討されている。 6つのデータセットと3つのGNNの様々なノイズシナリオによる実験は、我々のRGIBインスタンスの有効性を検証する。
  論文  参考訳（メタデータ） (2023-11-02T12:47:49Z)
• Advancing Unsupervised Low-light Image Enhancement: Noise Estimation, Illumination Interpolation, and Self-Regulation [55.07472635587852]
  低光画像強調(LLIE)技術は、画像の詳細の保存とコントラストの強化に顕著な進歩をもたらした。 これらのアプローチは、動的ノイズを効率的に緩和し、様々な低照度シナリオを収容する上で、永続的な課題に直面する。 まず,低照度画像の雑音レベルを迅速かつ高精度に推定する方法を提案する。 次に、照明と入力の一般的な制約を満たすために、Learningable Illumination Interpolator (LII) を考案する。
  論文  参考訳（メタデータ） (2023-05-17T13:56:48Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• Neuromorphic Camera Denoising using Graph Neural Network-driven Transformers [3.805262583092311]
  ニューロモルフィック・ビジョン(Neuromorphic vision)は、コンピュータビジョンコミュニティのパラダイムシフトを引き起こしたバイオインスパイアされた技術である。 ニューロモルフィックカメラは、かなりの量の計測ノイズに悩まされている。 このノイズは、ニューロモルフィック事象に基づく知覚とナビゲーションアルゴリズムの性能を劣化させる。
  論文  参考訳（メタデータ） (2021-12-17T18:57:36Z)
• Generalizing Face Forgery Detection with High-frequency Features [63.33397573649408]
  現在のCNNベースの検出器は、メソッド固有の色テクスチャに過度に適合するため、一般化に失敗する傾向にある。 フェースフォージェリ検出に高周波雑音を用いることを提案する。 1つは、複数のスケールで高周波ノイズを抽出するマルチスケールの高周波特徴抽出モジュールである。 2つ目は、低レベルRGB特徴抽出器を導く残差誘導空間注意モジュールで、新しい視点からフォージェリートレースにもっと集中する。
  論文  参考訳（メタデータ） (2021-03-23T08:19:21Z)

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。