論文の概要: GO-Finder: A Registration-Free Wearable System for Assisting Users in Finding Lost Objects via Hand-Held Object Discovery

• arxiv url: http://arxiv.org/abs/2101.07314v2
• Date: Fri, 12 Feb 2021 11:16:44 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-27 05:50:59.188028
• Title: GO-Finder: A Registration-Free Wearable System for Assisting Users in Finding Lost Objects via Hand-Held Object Discovery
• Title（参考訳）: GO-Finder:ハンドヘルド物体発見による失われた物体の発見を支援する登録不要ウェアラブルシステム
• Authors: Takuma Yagi, Takumi Nishiyasu, Kunimasa Kawasaki, Moe Matsuki, Yoichi Sato
• Abstract要約: GO-Finderは、登録不要のウェアラブルカメラベースのシステムで、オブジェクトの発見を支援する。 Go-Finderは手持ちのオブジェクトを自動的に検出してグループ化し、オブジェクトのビジュアルタイムラインを形成する。
• 参考スコア（独自算出の注目度）: 23.33413589457104
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: People spend an enormous amount of time and effort looking for lost objects. To help remind people of the location of lost objects, various computational systems that provide information on their locations have been developed. However, prior systems for assisting people in finding objects require users to register the target objects in advance. This requirement imposes a cumbersome burden on the users, and the system cannot help remind them of unexpectedly lost objects. We propose GO-Finder ("Generic Object Finder"), a registration-free wearable camera based system for assisting people in finding an arbitrary number of objects based on two key features: automatic discovery of hand-held objects and image-based candidate selection. Given a video taken from a wearable camera, Go-Finder automatically detects and groups hand-held objects to form a visual timeline of the objects. Users can retrieve the last appearance of the object by browsing the timeline through a smartphone app. We conducted a user study to investigate how users benefit from using GO-Finder and confirmed improved accuracy and reduced mental load regarding the object search task by providing clear visual cues on object locations.
• Abstract（参考訳）: 人々は失われたオブジェクトを探すのに膨大な時間と労力を費やします。 失われた物体の位置を人々に思い出させるため、その位置に関する情報を提供する様々な計算システムが開発されている。 しかし、オブジェクトを見つけるのを支援する以前のシステムは、ユーザーが事前にターゲットオブジェクトを登録する必要がある。 この要件はユーザーに厄介な負担を課し、システムが予期しないほど失われているオブジェクトを思い出させるのに役立ちません。 GO-Finder(ジェネリックオブジェクトファインダ)は,ハンドヘルドオブジェクトの自動検出と画像ベースの候補選択という2つの重要な特徴に基づいて,任意の数のオブジェクトを見つけるのを支援する,登録不要なウェアラブルカメラベースのシステムである。 ウェアラブルカメラから撮影したビデオから、Go-Finderは手持ちのオブジェクトを自動的に検出してグループ化し、オブジェクトの視覚的タイムラインを形成する。 ユーザーはスマートフォンアプリでタイムラインを閲覧することでオブジェクトの最後の外観を検索できる。 本研究では,GO-Finderの使用による利用者のメリットを調査し,オブジェクト検索作業における精度の向上と精神的負担の軽減を目標とした。

関連論文リスト

• Towards Flexible 3D Perception: Object-Centric Occupancy Completion Augments 3D Object Detection [54.78470057491049]
  占領は3Dシーンの知覚に有望な代替手段として現れてきた。 オブジェクトbboxのサプリメントとして,オブジェクト中心の占有率を導入する。 これらの特徴は,最先端の3Dオブジェクト検出器の検出結果を著しく向上させることを示した。
  論文  参考訳（メタデータ） (2024-12-06T16:12:38Z)
• ObjectFinder: Open-Vocabulary Assistive System for Interactive Object Search by Blind People [39.57767207961938]
  ObjectFinderはオープンな語彙で対話的なオブジェクト検索のプロトタイプです。 オブジェクト検出とシーン記述とナビゲーションを組み合わせる。 対象探索における課題をよりよく理解するために,ニーズ充足型インタビューを行った。
  論文  参考訳（メタデータ） (2024-12-04T08:38:45Z)
• Unsupervised Object Localization in the Era of Self-Supervised ViTs: A Survey [33.692534984177364]
  近年の研究では、自己教師付き事前訓練機能を利用することで、クラスに依存しない非教師付きオブジェクトローカライゼーションが可能であることが示されている。 本稿では、手動のアノテーションを必要とせず、画像中のオブジェクトを検出する教師なしオブジェクトローカライズ手法について調査する。
  論文  参考訳（メタデータ） (2023-10-19T16:57:49Z)
• Object-Centric Multiple Object Tracking [124.30650395969126]
  本稿では,多目的追跡パイプラインのためのビデオオブジェクト中心モデルを提案する。 オブジェクト中心のスロットを検出出力に適応するインデックスマージモジュールと、オブジェクトメモリモジュールで構成される。 オブジェクト中心学習に特化して、オブジェクトのローカライゼーションと機能バインディングのためのスパース検出ラベルしか必要としない。
  論文  参考訳（メタデータ） (2023-09-01T03:34:12Z)
• SalienDet: A Saliency-based Feature Enhancement Algorithm for Object Detection for Autonomous Driving [160.57870373052577]
  未知の物体を検出するために,サリエンデット法(SalienDet)を提案する。 我々のSaienDetは、オブジェクトの提案生成のための画像機能を強化するために、サリエンシに基づくアルゴリズムを利用している。 オープンワールド検出を実現するためのトレーニングサンプルセットにおいて、未知のオブジェクトをすべてのオブジェクトと区別するためのデータセットレザベリングアプローチを設計する。
  論文  参考訳（メタデータ） (2023-05-11T16:19:44Z)
• TactoFind: A Tactile Only System for Object Retrieval [14.732140705441992]
  視覚感覚が欠如しているシナリオにおけるオブジェクト検索の問題について検討する。 カメラがシーン全体を観察できる視覚とは異なり、タッチセンサーは局所的であり、マニピュレータに接触しているシーンの一部のみを観察する。 本稿では,指先触覚センサによる触覚フィードバックを,視覚的フィードバックを伴わずに,新たな物体の局所化,識別,把握を行うシステムを提案する。
  論文  参考訳（メタデータ） (2023-03-23T17:50:09Z)
• Towards Open-Set Object Detection and Discovery [38.81806249664884]
  我々は新しいタスク、すなわちOpen-Set Object Detection and Discovery(OSODD)を提案する。 本稿では、まずオープンセットオブジェクト検出器を用いて、未知のオブジェクトと未知のオブジェクトの両方を予測する2段階の手法を提案する。 そこで,予測対象を教師なしで表現し,未知対象の集合から新たなカテゴリを発見する。
  論文  参考訳（メタデータ） (2022-04-12T08:07:01Z)
• Object Manipulation via Visual Target Localization [64.05939029132394]
  オブジェクトを操作するための訓練エージェントは、多くの課題を提起します。 本研究では,対象物体を探索する環境を探索し,位置が特定されると3次元座標を計算し,対象物が見えない場合でも3次元位置を推定する手法を提案する。 評価の結果,同じ感覚スイートにアクセス可能なモデルに比べて,成功率が3倍に向上したことが示された。
  論文  参考訳（メタデータ） (2022-03-15T17:59:01Z)
• Learning to Track Object Position through Occlusion [32.458623495840904]
  オクルージョンは、物体検出器やトラッカーが直面する最も重要な課題の1つである。 本稿では,領域ベースビデオオブジェクト検出装置の成功に基づくトラッキング・バイ・検出手法を提案する。 提案手法は,インターネットから収集した家具組立ビデオのデータセットにおいて,優れた結果が得られる。
  論文  参考訳（メタデータ） (2021-06-20T22:29:46Z)
• Detecting Invisible People [58.49425715635312]
  我々は,追跡ベンチマークを再利用し,目立たない物体を検出するための新しい指標を提案する。 私たちは、現在の検出および追跡システムがこのタスクで劇的に悪化することを実証します。 第2に,最先端の単眼深度推定ネットワークによる観測結果を用いて,3次元で明示的に推論する動的モデルを構築した。
  論文  参考訳（メタデータ） (2020-12-15T16:54:45Z)
• Reactive Human-to-Robot Handovers of Arbitrary Objects [57.845894608577495]
  本稿では、未知の物体の人間とロボットのハンドオーバを可能にするビジョンベースシステムを提案する。 提案手法は,クローズドループ運動計画とリアルタイムかつ時間的に一貫性のあるグリップ生成を組み合わせたものである。 提案手法の汎用性,ユーザビリティ,ロバスト性を,26種類の家庭用オブジェクトからなる新しいベンチマークで実証した。
  論文  参考訳（メタデータ） (2020-11-17T21:52:22Z)

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。