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
- Modality-missing RGBT Tracking via Invertible Prompt Learning and A
High-quality Data Simulation Method [22.679063527901917]
現在のRGBT追跡研究は主に、現実世界のシーンにおけるモダリティを欠く課題を見越して、モダリティ完備なシナリオに焦点を当てている。
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) - Confidence-based Reliable Learning under Dual Noises [46.45663546457154]
ディープニューラルネットワーク(DNN)は、様々なコンピュータビジョンタスクにおいて顕著な成功を収めている。
しかし、オープンワールドから収集されたデータはノイズによって必然的に汚染され、学習されたモデルの有効性を著しく損なう可能性がある。
データノイズ下でDNNを確実に訓練する様々な試みがなされているが、ラベルに存在するノイズと画像に存在するノイズを別々に考慮している。
この作業は、ジョイント(イメージ、ラベル)ノイズの下での信頼性学習のための、最初の統一されたフレームワークを提供する。
論文 参考訳(メタデータ) (2023-02-10T07:50:34Z) - 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) - Treatment Learning Causal Transformer for Noisy Image Classification [62.639851972495094]
本研究では,この2値情報「ノイズの存在」を画像分類タスクに組み込んで予測精度を向上させる。
因果的変動推定から動機付け,雑音画像分類のための頑健な特徴表現を潜在生成モデルを用いて推定するトランスフォーマーに基づくアーキテクチャを提案する。
また、パフォーマンスベンチマークのための幅広いノイズ要素を取り入れた、新しいノイズの多い画像データセットも作成する。
論文 参考訳(メタデータ) (2022-03-29T13:07:53Z) - ProgressiveMotionSeg: Mutually Reinforced Framework for Event-Based
Motion Segmentation [101.19290845597918]
本稿では,動作推定 (ME) モジュールとイベントデノイング (ED) モジュールを相互に強化された方法で共同最適化する。
時間的相関をガイダンスとして、EDモジュールは各イベントが実活動イベントに属するという信頼度を算出し、MEモジュールに送信し、ノイズ抑制のための運動セグメンテーションのエネルギー関数を更新する。
論文 参考訳(メタデータ) (2022-03-22T13:40:26Z) - 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) - Machine Learning for Continuous Quantum Error Correction on
Superconducting Qubits [1.8249709209063887]
連続的な量子誤差補正は離散的な量子誤差補正に対して一定の利点があることがわかった。
本稿では,繰り返しニューラルネットワークを用いた連続量子誤り訂正のための機械学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-10-20T05:13:37Z) - 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。