論文の概要: Towards Distraction-Robust Active Visual Tracking

• arxiv url: http://arxiv.org/abs/2106.10110v1
• Date: Fri, 18 Jun 2021 13:05:25 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-21 14:16:14.434318
• Title: Towards Distraction-Robust Active Visual Tracking
• Title（参考訳）: 気晴らし-ロバストアクティブビジュアルトラッキングに向けて
• Authors: Fangwei Zhong, Peng Sun, Wenhan Luo, Tingyun Yan, Yizhou Wang
• Abstract要約: 本研究では,目標と複数のトラッカーが協調的なチームを形成してトラッカーと対戦し,追従に失敗する複合協調競争型マルチエージェントゲームを提案する。 トラッカーが望まれる乱雑なアクティブな視覚追跡を実行し、目に見えない環境によく一般化できることを示す。 また,マルチエージェントゲームはトラッカーのロバスト性を逆向きにテストするためにも有効であることを示す。
• 参考スコア（独自算出の注目度）: 34.893190796321264
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In active visual tracking, it is notoriously difficult when distracting objects appear, as distractors often mislead the tracker by occluding the target or bringing a confusing appearance. To address this issue, we propose a mixed cooperative-competitive multi-agent game, where a target and multiple distractors form a collaborative team to play against a tracker and make it fail to follow. Through learning in our game, diverse distracting behaviors of the distractors naturally emerge, thereby exposing the tracker's weakness, which helps enhance the distraction-robustness of the tracker. For effective learning, we then present a bunch of practical methods, including a reward function for distractors, a cross-modal teacher-student learning strategy, and a recurrent attention mechanism for the tracker. The experimental results show that our tracker performs desired distraction-robust active visual tracking and can be well generalized to unseen environments. We also show that the multi-agent game can be used to adversarially test the robustness of trackers.
• Abstract（参考訳）: アクティブな視覚的トラッキングでは、物体を邪魔するときには、標的を隠蔽したり、混乱させた外観をもたらすことで、しばしばトラッカーを誤解させるため、悪名高い。 この問題に対処するために、ターゲットと複数のトラッカーが協調チームを形成してトラッカーと対戦し、追従に失敗する複合協調競争型マルチエージェントゲームを提案する。 私たちのゲームで学習することで、邪魔者の様々な注意をそらす行動が自然に現れて、トラッカーの弱点を露呈し、トラッカーの注意をそらすようにします。 効果的な学習には,障害に対する報奨関数,教師-学生間の学習戦略,トラッカーに対する繰り返し注意機構など,多くの実践的な方法が提示される。 実験の結果,トラッカは所望の注意をそそるアクティブなビジュアルトラッキングを行い,未発見の環境に広く適用できることがわかった。 また,マルチエージェントゲームを用いてトラッカーのロバスト性を逆向きにテストできることも示す。

関連論文リスト

• MotionTrack: Learning Robust Short-term and Long-term Motions for Multi-Object Tracking [56.92165669843006]
  本研究では,短時間から長期間の軌跡を関連づける統合フレームワークで,堅牢な短期・長期動作を学習するMotionTrackを提案する。 密集した群集に対して,各ターゲットの複雑な動きを推定できる,短時間の軌跡から相互作用認識動作を学習するための新しい対話モジュールを設計する。 極端なオクルージョンのために、ターゲットの履歴軌跡から信頼できる長期動作を学習するための新しいRefind Moduleを構築し、中断された軌跡とそれに対応する検出とを関連付けることができる。
  論文  参考訳（メタデータ） (2023-03-18T12:38:33Z)
• Observation Centric and Central Distance Recovery on Sports Player Tracking [24.396926939889532]
  本稿では,バスケットボール,サッカー,バレーボールを含む3つのスポーツを対象とした,モーションベースのトラッキングアルゴリズムと3つのポストプロセッシングパイプラインを提案する。 本手法は,2022年のSportsmotワークショップ最終リーダーボードで3位にランクインした73.968のHOTAを達成した。
  論文  参考訳（メタデータ） (2022-09-27T04:48:11Z)
• Learning to Track Objects from Unlabeled Videos [63.149201681380305]
  本稿では,Unsupervised Single Object Tracker (USOT) をスクラッチから学習することを提案する。 教師なしトラッカーと教師なしトラッカーのギャップを狭めるために,3段階からなる効果的な教師なし学習手法を提案する。 実験の結果、未ラベルのビデオから得られたUSOTは、最先端の教師なしトラッカーよりも大きなマージンでうまく機能していることがわかった。
  論文  参考訳（メタデータ） (2021-08-28T22:10:06Z)
• Tracking by Joint Local and Global Search: A Target-aware Attention based Approach [63.50045332644818]
  本研究では、ロバストな追跡のための局所的・グローバルな共同探索を行うための新たな目標認識型アテンション機構(TANet)を提案する。 具体的には、ターゲットオブジェクトパッチと連続ビデオフレームの特徴を抽出し、それらをデコーダネットワークに追従して、ターゲットを意識したグローバルアテンションマップを生成する。 追跡手順において、ロバストな追跡のための候補探索領域を探索することにより、ターゲット認識の注意を複数のトラッカーと統合する。
  論文  参考訳（メタデータ） (2021-06-09T06:54:15Z)
• Learning Target Candidate Association to Keep Track of What Not to Track [100.80610986625693]
  目標を追尾し続けるために、逸脱物を追跡することを提案します。 視覚的トラッキングにおいて, トラクタオブジェクト間の接地トルース対応を欠く問題に対処するために, 部分アノテーションと自己監督を組み合わせたトレーニング戦略を提案する。 我々のトラッカーは6つのベンチマークで新しい最先端のベンチマークを設定し、AUCスコアはLaSOTで67.2%、OxUvA長期データセットで+6.1%向上した。
  論文  参考訳（メタデータ） (2021-03-30T17:58:02Z)
• Unsupervised Deep Representation Learning for Real-Time Tracking [137.69689503237893]
  視覚追跡のための教師なし学習手法を提案する。 教師なし学習の動機は、ロバストなトラッカーが双方向トラッキングに有効であるべきだということです。 我々は,シームズ相関フィルタネットワーク上にフレームワークを構築し,教師なし学習を容易にするために,多フレーム検証方式とコスト感受性損失を提案する。
  論文  参考訳（メタデータ） (2020-07-22T08:23:12Z)
• Unsupervised Multiple Person Tracking using AutoEncoder-Based Lifted Multicuts [11.72025865314187]
  最小限の視覚的特徴とリフトマルチカットに基づく教師なし多重物体追跡手法を提案する。 提案したアノテーションを使わずにトレーニングされているにもかかわらず,我々のモデルは,歩行者追跡のための挑戦的なMOTベンチマークにおいて,競争力のある結果をもたらすことを示した。
  論文  参考訳（メタデータ） (2020-02-04T09:42:34Z)

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。