論文の概要: Opening up Open-World Tracking
- arxiv url: http://arxiv.org/abs/2104.11221v1
- Date: Thu, 22 Apr 2021 17:58:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-23 13:50:21.695477
- Title: Opening up Open-World Tracking
- Title（参考訳）: Open World Tracking のオープニング
- Authors: Yang Liu and Idil Esen Zulfikar and Jonathon Luiten and Achal Dave and
Aljo\v{s}a O\v{s}ep and Deva Ramanan and Bastian Leibe and Laura Leal-Taix\'e
- Abstract要約: オープンワールドトラッキング(OWT)の提案と研究
本稿では,OWTタスクの形式化と評価プロトコルとメトリクス(OWTA)について述べる。
我々のOpen-World Tracking Baselineは、OWT設定でうまく機能する一方で、従来のクローズドワールドベンチマークでほぼ最先端の結果が得られることを示す。
- 参考スコア（独自算出の注目度）: 62.12659607088812
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we propose and study Open-World Tracking (OWT). Open-world
tracking goes beyond current multi-object tracking benchmarks and methods which
focus on tracking object classes that belong to a predefined closed-set of
frequently observed object classes. In OWT, we relax this assumption: we may
encounter objects at inference time that were not labeled for training. The
main contribution of this paper is the formalization of the OWT task, along
with an evaluation protocol and metric (Open-World Tracking Accuracy, OWTA),
which decomposes into two intuitive terms, one for measuring recall, and
another for measuring track association accuracy. This allows us to perform a
rigorous evaluation of several different baselines that follow design patterns
proposed in the multi-object tracking community. Further we show that our
Open-World Tracking Baseline, while performing well in the OWT setting, also
achieves near state-of-the-art results on traditional closed-world benchmarks,
without any adjustments or tuning. We believe that this paper is an initial
step towards studying multi-object tracking in the open world, a task of
crucial importance for future intelligent agents that will need to understand,
react to, and learn from, an infinite variety of objects that can appear in an
open world.
- Abstract（参考訳）: 本稿では,Open-World Tracking (OWT)を提案する。
オープンワールドトラッキングは、頻繁に観察されるオブジェクトクラスの事前定義されたクローズドセットに属するオブジェクトクラスを追跡することに焦点を当てた、現在のマルチオブジェクトトラッキングベンチマークやメソッドを超えている。
OWTでは、トレーニング用にラベル付けされていない推論時にオブジェクトに遭遇する、という仮定を緩和しています。
本稿の主な貢献は,OWTタスクの形式化と評価プロトコルとメトリック(Open-World Tracking Accuracy, OWTA)の併用である。
これにより、マルチオブジェクトトラッキングコミュニティで提案されたデザインパターンに従う、いくつかの異なるベースラインを厳密に評価することができます。
さらに,我々のOpen-World Tracking Baselineは,OWT環境では良好に機能する一方で,従来のクローズドワールドベンチマークにおいて,調整やチューニングを伴わずに,ほぼ最先端の結果が得られることを示す。
本論文は,オープンワールドにおける多目的追跡の研究に向けた最初のステップであると考えている。これは,オープンワールドに現れる無限の多様なオブジェクトを理解し,反応し,そこから学ぶ必要がある,未来の知的エージェントにとって重要な課題である。
関連論文リスト
- Open-World Object Detection with Instance Representation Learning [1.8749305679160366]
本研究では,新しい物体を検知し,オープンワールド条件下で意味的にリッチな特徴を抽出できる物体検知器の訓練手法を提案する。
提案手法は頑健で一般化可能な特徴空間を学習し,他のOWODに基づく特徴抽出法よりも優れている。
論文 参考訳（メタデータ） (2024-09-24T13:13:34Z) - LOSS-SLAM: Lightweight Open-Set Semantic Simultaneous Localization and Mapping [9.289001828243512]
オブジェクトを識別,ローカライズ,符号化するシステムは,オープンセットのセマンティックな同時ローカライゼーションとマッピングを行う確率的グラフィカルモデルと密結合していることを示す。
提案した軽量オブジェクト符号化は,既存のオープンセット手法よりも高精度なオブジェクトベースSLAMを実現することができることを示す。
論文 参考訳（メタデータ） (2024-04-05T19:42:55Z) - OVTrack: Open-Vocabulary Multiple Object Tracking [64.73379741435255]
OVTrackは任意のオブジェクトクラスを追跡することができるオープン語彙トラッカーである。
大規模な大語彙のTAOベンチマークに新たな最先端技術が設定されている。
論文 参考訳（メタデータ） (2023-04-17T16:20:05Z) - Open World DETR: Transformer based Open World Object Detection [60.64535309016623]
そこで我々は,Deformable DETRに基づくオープンワールドオブジェクト検出のための2段階学習手法Open World DETRを提案する。
モデルのクラス固有のコンポーネントを多視点の自己ラベル戦略と一貫性制約で微調整する。
提案手法は、他の最先端のオープンワールドオブジェクト検出方法よりも大きなマージンで優れている。
論文 参考訳（メタデータ） (2022-12-06T13:39:30Z) - End-to-end Tracking with a Multi-query Transformer [96.13468602635082]
マルチオブジェクトトラッキング(MOT)は、時間とともにシーン内のオブジェクトの位置、外観、アイデンティティを同時に推論する必要がある課題である。
本研究の目的は、トラッキング・バイ・ディテクト・アプローチを超えて、未知のオブジェクト・クラスに対してもよく機能するクラスに依存しないトラッキングへと移行することである。
論文 参考訳（メタデータ） (2022-10-26T10:19:37Z) - Learning Open-World Object Proposals without Learning to Classify [110.30191531975804]
本研究では,各領域の位置と形状がどの接地トラストオブジェクトとどのように重なり合うかによって,各領域の目的性を純粋に推定する,分類不要なオブジェクトローカライゼーションネットワークを提案する。
この単純な戦略は一般化可能な対象性を学び、クロスカテゴリの一般化に関する既存の提案より優れている。
論文 参考訳（メタデータ） (2021-08-15T14:36:02Z) - TAO: A Large-Scale Benchmark for Tracking Any Object [95.87310116010185]
オブジェクトのデータセットの追跡は2,907本の高解像度ビデオで構成され、平均で30分の長さの多様な環境でキャプチャされる。
ビデオの任意の時点で移動するオブジェクトにアノテータにラベルを付け、ファクトラムの後に名前を付けるように求めます。
我々の語彙は、既存の追跡データセットと著しく大きく、質的に異なる。
論文 参考訳（メタデータ） (2020-05-20T21:07:28Z)
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。