論文の概要: A CRF-based Framework for Tracklet Inactivation in Online Multi-Object Tracking

• arxiv url: http://arxiv.org/abs/2011.14594v2
• Date: Fri, 23 Apr 2021 07:49:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-06 14:48:56.782899
• Title: A CRF-based Framework for Tracklet Inactivation in Online Multi-Object Tracking
• Title（参考訳）: オンラインマルチオブジェクトトラッキングにおけるトラックレット不活性化のためのcrfベースフレームワーク
• Authors: Tianze Gao, Huihui Pan, Zidong Wang, Huijun Gao
• Abstract要約: オンラインMOT問題におけるトラックレット不活性化問題に対処するために,条件付きランダムフィールド(CRF)ベースのフレームワークが提案されている。 トラックレット不活性化のロバスト性を改善するために, 追跡仮説間のフレーム内関係を利用した離散CRFを開発した。 CRFベースのフレームワークと組み合わせたトラッカーは、MOT16とMOT17ベンチマークのベースラインを上回っている。
• 参考スコア（独自算出の注目度）: 33.78127056022875
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Online multi-object tracking (MOT) is an active research topic in the domain of computer vision. Although many previously proposed algorithms have exhibited decent results, the issue of tracklet inactivation has not been sufficiently studied. Simple strategies such as using a fixed threshold on classification scores are adopted, yielding undesirable tracking mistakes and limiting the overall performance. In this paper, a conditional random field (CRF) based framework is put forward to tackle the tracklet inactivation issue in online MOT problems. A discrete CRF which exploits the intra-frame relationship between tracking hypotheses is developed to improve the robustness of tracklet inactivation. Separate sets of feature functions are designed for the unary and binary terms in the CRF, which take into account various tracking challenges in practical scenarios. To handle the problem of varying CRF nodes in the MOT context, two strategies named as hypothesis filtering and dummy nodes are employed. In the proposed framework, the inference stage is conducted by using the loopy belief propagation algorithm, and the CRF parameters are determined by utilizing the maximum likelihood estimation method followed by slight manual adjustment. Experimental results show that the tracker combined with the CRF-based framework outperforms the baseline on the MOT16 and MOT17 benchmarks. The extensibility of the proposed framework is further validated by an extensive experiment.
• Abstract（参考訳）: オンラインマルチオブジェクトトラッキング(MOT)はコンピュータビジョンの領域において活発な研究トピックである。 これまでに提案されたアルゴリズムの多くは良好な結果を示したが、トラックレットの不活性化の問題は十分に研究されていない。 分類スコアに対する固定しきい値の使用などの単純な戦略が採用され、望ましくない追跡ミスが発生し、全体的なパフォーマンスが制限される。 本稿では,オンラインMOT問題におけるトラックレット不活性化問題に取り組むために,条件付きランダムフィールド(CRF)ベースのフレームワークを提案する。 トラックレット不活性化の堅牢性を改善するために, 追跡仮説間のフレーム内関係を利用した離散CRFを開発した。 機能関数の分離セットは、実践シナリオにおける様々な追跡課題を考慮して、CRFの単一項とバイナリ項のために設計されている。 MOTコンテキストにおける様々なCRFノードの問題に対処するため、仮説フィルタリングとダミーノードと呼ばれる2つの戦略が採用されている。 提案手法では, ループ型信念伝搬アルゴリズムを用いて推定段階を行い, 最大推定法を用いてCRFパラメータを決定するとともに, わずかな手動調整を行う。 実験の結果,CRFベースのフレームワークと組み合わせることで,MOT16ベンチマークとMOT17ベンチマークのベースラインを上回った。 提案フレームワークの拡張性は、広範な実験によってさらに検証される。

関連論文リスト

• OPONeRF: One-Point-One NeRF for Robust Neural Rendering [70.56874833759241]
  そこで我々は,ロバストなシーンレンダリングのためのOne-Point-One NeRF (OPONeRF) フレームワークを提案する。 物体の動き、光の変化、データ汚染といった小さなが予測不可能な摂動は、現実の3Dシーンに広く存在している。 実験の結果,OPONeRFは各種評価指標において最先端のNeRFよりも優れていた。
  論文  参考訳（メタデータ） (2024-09-30T07:49:30Z)
• Coarse-to-Fine Proposal Refinement Framework for Audio Temporal Forgery Detection and Localization [60.899082019130766]
  本稿では、フレームレベル検出ネットワーク(FDN)と、音声の時間的偽造検出とローカライゼーションのための改良ネットワーク(PRN)を提案する。 FDNは、偽のフレーム間で情報的不整合の手がかりを抽出し、偽の領域を大まかに示すのに有用な識別的特徴を得る。 PRNは、FDNから派生した粗粒度の提案を洗練するために、信頼スコアと回帰オフセットを予測する責任がある。
  論文  参考訳（メタデータ） (2024-07-23T15:07:52Z)
• Robust Stochastically-Descending Unrolled Networks [85.6993263983062]
  Deep Unrolling(ディープ・アンローリング)は、トレーニング可能なニューラルネットワークの層に切り捨てられた反復アルゴリズムをアンロールする、新たな学習最適化手法である。 アンロールネットワークの収束保証と一般化性は、いまだにオープンな理論上の問題であることを示す。 提案した制約の下で訓練されたアンロールアーキテクチャを2つの異なるアプリケーションで数値的に評価する。
  論文  参考訳（メタデータ） (2023-12-25T18:51:23Z)
• DeNoising-MOT: Towards Multiple Object Tracking with Severe Occlusions [52.63323657077447]
  DNMOTは、複数のオブジェクト追跡のためのエンドツーエンドのトレーニング可能なDeNoising Transformerである。 具体的には、トレーニング中にノイズを伴って軌道を拡大し、エンコーダ・デコーダアーキテクチャのデノイング過程をモデルに学習させる。 我々はMOT17,MOT20,DanceTrackのデータセットについて広範な実験を行い,実験結果から,提案手法が従来の最先端手法よりも明確なマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2023-09-09T04:40:01Z)
• ReAct: Temporal Action Detection with Relational Queries [84.76646044604055]
  本研究は,アクションクエリを備えたエンコーダ・デコーダフレームワークを用いて,時間的行動検出(TAD)の進展を図ることを目的とする。 まず,デコーダ内の関係注意機構を提案し,その関係に基づいてクエリ間の関心を誘導する。 最後に、高品質なクエリを区別するために、推論時に各アクションクエリのローカライズ品質を予測することを提案する。
  論文  参考訳（メタデータ） (2022-07-14T17:46:37Z)
• Multi-Agent Reinforcement Learning via Adaptive Kalman Temporal Difference and Successor Representation [32.80370188601152]
  本稿では,マルチエージェント適応カルマン時間差分(MAK-TD)フレームワークとその継承表現に基づく変種(MAK-SR)を提案する。 提案するMAK-TD/SRフレームワークは,高次元マルチエージェント環境に関連付けられたアクション空間の連続的な性質を考察する。
  論文  参考訳（メタデータ） (2021-12-30T18:21:53Z)
• Imitation Learning for Robust and Safe Real-time Motion Planning: A Contraction Theory Approach [9.35511513240868]
  LAG-ROSは、境界外乱によって乱される安全臨界非線形システムのリアルタイムロバストな動作計画アルゴリズムである。 LAG-ROSはリアルタイム計算のためのより速い実行の速度のより高い制御性能そしてタスクの成功率を達成します。
  論文  参考訳（メタデータ） (2021-02-25T03:47:15Z)
• Learning Consistency Pursued Correlation Filters for Real-Time UAV Tracking [12.292672531693794]
  本研究は,動的整合性追従相関フィルタ,すなわちCPCFトラッカーを用いた新しい手法を提案する。 実用的な理想整合写像とスケジュールされた理想整合写像との差を最小化することにより、整合度は時間的滑らかさを維持するために制約される。 提案されたトラッカーは、1つのCPU上でのリアルタイムランニング速度(sim$43FPS)の他の25の最先端トラッカーを好んで上回っている。
  論文  参考訳（メタデータ） (2020-08-09T10:22:52Z)
• Random Partitioning Forest for Point-Wise and Collective Anomaly Detection -- Application to Intrusion Detection [9.74672460306765]
  DiFF-RFはランダムな分割二分木で構成されるアンサンブルアプローチであり、異常を検出する。 実験の結果,DiFF-RFはアイソレーション・フォレスト(IF)アルゴリズムをほぼ体系的に上回っていることがわかった。 我々の経験から,DiFF-RFは小規模な学習データの存在下では有効であることがわかった。
  論文  参考訳（メタデータ） (2020-06-29T10:44:08Z)
• Lower bounds in multiple testing: A framework based on derandomized proxies [107.69746750639584]
  本稿では, 各種コンクリートモデルへの適用例を示す, デランドマイズに基づく分析戦略を提案する。 これらの下界のいくつかを数値シミュレーションし、Benjamini-Hochberg (BH) アルゴリズムの実際の性能と密接な関係を示す。
  論文  参考訳（メタデータ） (2020-05-07T19:59:51Z)

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。