論文の概要: FlowMOT: 3D Multi-Object Tracking by Scene Flow Association
- arxiv url: http://arxiv.org/abs/2012.07541v3
- Date: Fri, 5 Mar 2021 10:36:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-08 14:20:01.612580
- Title: FlowMOT: 3D Multi-Object Tracking by Scene Flow Association
- Title(参考訳): FlowMOT:Scene Flow Associationによる3次元多物体追跡
- Authors: Guangyao Zhai, Xin Kong, Jinhao Cui, Yong Liu, and Zhen Yang
- Abstract要約: 従来のマッチングアルゴリズムと点運動情報を統合するLiDARベースの3D MOTフレームワークFlowMOTを提案する。
提案手法は,最新のエンドツーエンド手法より優れ,最先端のフィルタ方式と競合する性能を実現する。
- 参考スコア(独自算出の注目度): 9.480272707157747
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Most end-to-end Multi-Object Tracking (MOT) methods face the problems of low
accuracy and poor generalization ability. Although traditional filter-based
methods can achieve better results, they are difficult to be endowed with
optimal hyperparameters and often fail in varying scenarios. To alleviate these
drawbacks, we propose a LiDAR-based 3D MOT framework named FlowMOT, which
integrates point-wise motion information with the traditional matching
algorithm, enhancing the robustness of the motion prediction. We firstly
utilize a scene flow estimation network to obtain implicit motion information
between two adjacent frames and calculate the predicted detection for each old
tracklet in the previous frame. Then we use Hungarian algorithm to generate
optimal matching relations with the ID propagation strategy to finish the
tracking task. Experiments on KITTI MOT dataset show that our approach
outperforms recent end-to-end methods and achieves competitive performance with
the state-of-the-art filter-based method. In addition, ours can work steadily
in the various-speed scenarios where the filter-based methods may fail.
- Abstract(参考訳): ほとんどのエンドツーエンドのマルチオブジェクト追跡(MOT)手法は、低い精度と低い一般化能力の問題に直面している。
従来のフィルタに基づく手法はより良い結果が得られるが、最適なハイパーパラメーターを付与することは困難であり、しばしば様々なシナリオで失敗する。
これらの欠点を軽減するために,従来のマッチングアルゴリズムとポイントワイド動作情報を統合し,動き予測の堅牢性を高めるLiDARベースの3次元MOTフレームワークFlowMOTを提案する。
まず,シーンフロー推定ネットワークを用いて隣り合う2つのフレーム間の暗黙的な動き情報を取得し,先行するフレーム内の各古いトラックレットの予測検出値を算出する。
次に,ハンガリーアルゴリズムを用いてid伝播戦略と最適マッチング関係を生成し,追跡タスクを完了させる。
KITTI MOTデータセットの実験により、我々の手法は最近のエンドツーエンド手法よりも優れており、最先端のフィルタ方式と競合する性能を発揮することが示された。
さらに、フィルタベースのメソッドがフェールする可能性のある様々な速度シナリオでも、着実に機能します。
関連論文リスト
- Dual-frame Fluid Motion Estimation with Test-time Optimization and Zero-divergence Loss [9.287932323337163]
3次元粒子追跡速度計(PTV)は乱流解析の鍵となる技術である。
深層学習に基づく手法は、2フレームの流体運動推定において顕著な精度を達成している。
我々は,完全に自己管理された新しい手法を導入し,完全に教師された手法よりも優れていた。
論文 参考訳(メタデータ) (2024-10-15T18:00:00Z) - Beyond Kalman Filters: Deep Learning-Based Filters for Improved Object
Tracking [3.5693768338940304]
本稿では,追跡検出システムのための2つの革新的なデータ駆動フィルタリング手法を提案する。
最初の方法は、トレーニング可能な運動モデルを持つベイズフィルタを用いて、物体の将来の位置を予測する。
第2の方法は、エンドツーエンドのトレーニング可能なフィルタで、検出エラーの修正を学習することでさらに前進する。
論文 参考訳(メタデータ) (2024-02-15T10:47:44Z) - 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) - SparseTrack: Multi-Object Tracking by Performing Scene Decomposition
based on Pseudo-Depth [84.64121608109087]
2次元画像から目標の相対的な深さを求めるための擬似深度推定法を提案する。
次に,得られた深度情報を用いて,高密度なターゲットセットを複数のスパースなターゲットサブセットに変換するディープカスケードマッチング(DCM)アルゴリズムを設計する。
擬似深度法とDCM戦略をデータアソシエーションプロセスに統合することにより、SparseTrackと呼ばれる新しいトラッカーを提案する。
論文 参考訳(メタデータ) (2023-06-08T14:36:10Z) - Modeling Continuous Motion for 3D Point Cloud Object Tracking [54.48716096286417]
本稿では,各トラックレットを連続ストリームとみなす新しいアプローチを提案する。
各タイムスタンプでは、現在のフレームだけがネットワークに送られ、メモリバンクに格納された複数フレームの履歴機能と相互作用する。
頑健な追跡のためのマルチフレーム機能の利用性を高めるために,コントラッシブシーケンス強化戦略を提案する。
論文 参考訳(メタデータ) (2023-03-14T02:58:27Z) - 3DMODT: Attention-Guided Affinities for Joint Detection & Tracking in 3D
Point Clouds [95.54285993019843]
本稿では,3次元点雲における複数物体の同時検出と追跡手法を提案する。
本モデルでは,複数のフレームを用いた時間情報を利用してオブジェクトを検出し,一つのネットワーク上で追跡する。
論文 参考訳(メタデータ) (2022-11-01T20:59:38Z) - DetFlowTrack: 3D Multi-object Tracking based on Simultaneous
Optimization of Object Detection and Scene Flow Estimation [23.305159598648924]
オブジェクト検出とシーンフロー推定の同時最適化に基づく3次元MOTフレームワークを提案する。
特に回転を伴う動きの場合のより正確なシーンフローラベルについて,ボックス変換に基づくシーンフローグラウンド真理計算法を提案する。
KITTI MOTデータセットの実験結果は、回転を伴う極運動下での最先端とロバスト性に対して競合する結果を示した。
論文 参考訳(メタデータ) (2022-03-04T07:06:47Z) - Efficient Two-Stream Network for Violence Detection Using Separable
Convolutional LSTM [0.0]
Separable Convolutional LSTM(SepConvLSTM)と予め訓練されたMobileNetを活用した効率的な2ストリームディープラーニングアーキテクチャを提案する。
SepConvLSTMは、ConvLSTMの各ゲートの畳み込み操作を深さ方向に分離可能な畳み込みに置き換えて構築されます。
我々のモデルは、大きくて挑戦的なrwf-2000データセットの精度を2%以上上回っている。
論文 参考訳(メタデータ) (2021-02-21T12:01:48Z) - FlowStep3D: Model Unrolling for Self-Supervised Scene Flow Estimation [87.74617110803189]
シーンフローとして知られるシーン内の点の3次元運動を推定することは、コンピュータビジョンにおける中核的な問題である。
本稿では,シーンフローの予測を洗練するための反復的アライメント手順の1ステップを学習する再帰的アーキテクチャを提案する。
論文 参考訳(メタデータ) (2020-11-19T23:23:48Z) - Tracking Road Users using Constraint Programming [79.32806233778511]
本稿では,マルチオブジェクトトラッキング(MOT)問題のトラッキング・バイ・検出パラダイムに見られるデータアソシエーションフェーズに対する制約プログラミング(CP)アプローチを提案する。
提案手法は車両追跡データを用いてテストし,UA-DETRACベンチマークの上位手法よりも優れた結果を得た。
論文 参考訳(メタデータ) (2020-03-10T00:04:32Z)
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。