論文の概要: Continuous-discrete multiple target tracking with out-of-sequence measurements

• arxiv url: http://arxiv.org/abs/2106.04898v1
• Date: Wed, 9 Jun 2021 08:37:01 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-10 14:53:13.413859
• Title: Continuous-discrete multiple target tracking with out-of-sequence measurements
• Title（参考訳）: シーケンス外計測による連続離散多重目標追跡
• Authors: \'Angel F. Garc\'ia-Fern\'andez, Wei Yi
• Abstract要約: 本稿では、複数の目標追跡のための連続時間におけるOOS(out-of-sequence)測定の最適ベイズ処理を導出する。 連続時間でモデル化されたマルチターゲットシステムについて検討する。
• 参考スコア（独自算出の注目度）: 0.25782420501870296
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper derives the optimal Bayesian processing of an out-of-sequence (OOS) set of measurements in continuous-time for multiple target tracking. We consider a multi-target system modelled in continuous time that is discretised at the time steps when we receive the measurements, which are distributed according to the standard point target model. All information about this system at the sampled time steps is provided by the posterior density on the set of all trajectories. This density can be computed via the continuous-discrete trajectory Poisson multi-Bernoulli mixture (TPMBM) filter. When we receive an OOS measurement, the optimal Bayesian processing performs a retrodiction step that adds trajectory information at the OOS measurement time stamp followed by an update step. After the OOS measurement update, the posterior remains in TPMBM form. We also provide a computationally lighter alternative based on a trajectory Poisson multi-Bernoulli filter. The effectiveness of the two approaches to handle OOS measurements is evaluated via simulations.
• Abstract（参考訳）: 本稿では、複数の目標追跡のための連続時間におけるOOS(out-of-sequence)測定の最適ベイズ処理を導出する。 我々は,連続時間にモデル化されたマルチターゲットシステムについて,標準点目標モデルに則って分布する計測値を受け取る際に,その時間ステップで離散化することを検討する。 サンプリングされた時間ステップにおけるこのシステムに関するすべての情報は、すべての軌跡の集合の後方密度によって提供される。 この密度は連続離散軌道 poisson multi-bernoulli mixture (tpmbm) フィルタによって計算できる。 oos測定を受信すると、最適なベイズ処理は、oos測定時刻スタンプに軌道情報を追加して更新ステップを付加するレトロディクションステップを実行する。 OOS測定の更新後、後部はTPMBM形式で残存する。 また、軌道ポアソンマルチバーヌーリフィルタに基づく計算量的に軽量な代替手段を提供する。 OOS測定に対する2つの手法の有効性をシミュレーションにより評価した。

関連論文リスト

• Align Your Steps: Optimizing Sampling Schedules in Diffusion Models [63.927438959502226]
  拡散モデル(DM)は、視覚領域以降における最先端の生成モデリングアプローチとして確立されている。 DMの重大な欠点は、サンプリング速度の遅いことであり、大規模なニューラルネットワークによる多くのシーケンシャルな関数評価に依存している。 本稿では,DMのサンプリングスケジュールを高品質な出力に最適化する汎用的,原理的な手法を提案する。
  論文  参考訳（メタデータ） (2024-04-22T18:18:41Z)
• Diffusion Generative Flow Samplers: Improving learning signals through partial trajectory optimization [87.21285093582446]
  Diffusion Generative Flow Samplers (DGFS) はサンプルベースのフレームワークであり、学習プロセスを短い部分的軌道セグメントに分解することができる。 生成フローネットワーク(GFlowNets)のための理論から着想を得た。
  論文  参考訳（メタデータ） (2023-10-04T09:39:05Z)
• A Moving Window Based Approach to Multi-scan Multi-Target Tracking [0.0]
  マルチターゲット状態推定(Multi-target state estimation)とは、監視エリアにおけるターゲット数とその軌跡を推定することである。 汎用ラベル付きマルチベルヌーリ(GLMB)スムースメントを用いたマルチターゲットトラッキングのための移動窓ベースソリューションを提案する。
  論文  参考訳（メタデータ） (2022-10-08T12:37:27Z)
• Manifold Interpolating Optimal-Transport Flows for Trajectory Inference [64.94020639760026]
  最適輸送流(MIOFlow)を補間するマニフォールド補間法を提案する。 MIOFlowは、散発的なタイムポイントで撮影された静的スナップショットサンプルから、連続的な人口動態を学習する。 本手法は, 胚体分化および急性骨髄性白血病の治療から得られたscRNA-seqデータとともに, 分岐とマージによるシミュレーションデータについて検討した。
  論文  参考訳（メタデータ） (2022-06-29T22:19:03Z)
• Adaptive measurement filter: efficient strategy for optimal estimation of quantum Markov chains [0.0]
  1次元の動的パラメータを最適に推定するアルゴリズムを提案する。 このスキームは、最適連続時間適応測定のエキサイティングな展望を提供するが、現実的な実用的な実装を見つけるためには、より多くの作業が必要である。
  論文  参考訳（メタデータ） (2022-04-19T16:03:40Z)
• Long-Term Missing Value Imputation for Time Series Data Using Deep Neural Networks [1.2019888796331233]
  本稿では、ディープラーニングモデル、特にMultiLayer Perceptron(MLP)を用いて、変数の欠落値を推定する手法を提案する。 ランダムに欠落した個々の観察を埋めるのではなく、長い連続的なギャップを埋めることに集中する。 本手法は, 長期環境モニタリング観測においてよく見られる, 1変数に大きなギャップを持つデータセットの利用を可能にする。
  論文  参考訳（メタデータ） (2022-02-25T00:29:30Z)
• Modular Deep Reinforcement Learning for Continuous Motion Planning with Temporal Logic [59.94347858883343]
  本稿では,マルコフ決定過程(MDP)をモデルとした自律動的システムの運動計画について検討する。 LDGBA と MDP の間に組込み製品 MDP (EP-MDP) を設計することである。 モデルフリー強化学習(RL)のためのLDGBAベースの報酬形成と割引スキームは、EP-MDP状態にのみ依存する。
  論文  参考訳（メタデータ） (2021-02-24T01:11:25Z)
• Robust Odometry and Mapping for Multi-LiDAR Systems with Online Extrinsic Calibration [15.946728828122385]
  本稿では,複数のLiDARのロバストかつ同時キャリブレーション,オドメトリー,マッピングを実現するシステムを提案する。 キャリブレーションとSLAMのための10列(全長4.60km)の広範囲な実験により,本手法の性能を検証した。 提案手法は,様々なマルチLiDARセットアップのための完全で堅牢なシステムであることを示す。
  論文  参考訳（メタデータ） (2020-10-27T13:51:26Z)
• Tracking-by-Counting: Using Network Flows on Crowd Density Maps for Tracking Multiple Targets [96.98888948518815]
  State-of-the-art multi-object tracking(MOT)法は、トラッキング・バイ・検出のパラダイムに従っている。 混み合ったシーンに適したMOTパラダイムであるトラッキング・バイ・カウントを提案する。
  論文  参考訳（メタデータ） (2020-07-18T19:51:53Z)
• Trajectory Poisson multi-Bernoulli filters [5.545791216381868]
  本稿では,マルチターゲットトラッキングのための2つのトラジェクトリPoisson Multi-Bernoulli (TPMB)フィルタを提案する。 1つは、各段階における生存軌跡の集合を推定し、もう1つは、各段階における生存軌跡と死亡軌跡を含む全ての軌跡の集合を推定する。
  論文  参考訳（メタデータ） (2020-03-28T11:04:45Z)
• Batch Stationary Distribution Estimation [98.18201132095066]
  サンプル遷移の組を与えられたエルゴードマルコフ鎖の定常分布を近似する問題を考える。 与えられたデータに対する補正比関数の復元に基づく一貫した推定器を提案する。
  論文  参考訳（メタデータ） (2020-03-02T09:10:01Z)

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。