論文の概要: Making Higher Order MOT Scalable: An Efficient Approximate Solver for
Lifted Disjoint Paths
- arxiv url: http://arxiv.org/abs/2108.10606v1
- Date: Tue, 24 Aug 2021 09:45:30 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-25 14:11:06.053807
- Title: Making Higher Order MOT Scalable: An Efficient Approximate Solver for
Lifted Disjoint Paths
- Title（参考訳）: 高次MOTスケーラブル化:リフテッド不整合経路の効率的な近似解法
- Authors: Andrea Hornakova, Timo Kaiser, Paul Swoboda, Michal Rolinek, Bodo
Rosenhahn, Roberto Henschel
- Abstract要約: 昇降不整合問題(LDP)に対する効率的な近似的メッセージパッシング解法を提案する。
私たちのトラッカーは、長くて混み合ったMOTシーケンスから来る非常に大きなインスタンスにスケールします。
- 参考スコア（独自算出の注目度）: 42.331513689161895
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present an efficient approximate message passing solver for the lifted
disjoint paths problem (LDP), a natural but NP-hard model for multiple object
tracking (MOT). Our tracker scales to very large instances that come from long
and crowded MOT sequences. Our approximate solver enables us to process the
MOT15/16/17 benchmarks without sacrificing solution quality and allows for
solving MOT20, which has been out of reach up to now for LDP solvers due to its
size and complexity. On all these four standard MOT benchmarks we achieve
performance comparable or better than current state-of-the-art methods
including a tracker based on an optimal LDP solver.
- Abstract（参考訳）: 本稿では,複数物体追跡(MOT)のための自然だがNPハードなモデルであるリフトド・ディスジョイント・パス問題(LDP)に対する効率的な近似メッセージパッシング法を提案する。
私たちのトラッカーは、長いMOTシーケンスから来る非常に大きなインスタンスにスケールします。
近似解法により,ソリューションの品質を犠牲にすることなくMOT15/16/17ベンチマークを処理でき,そのサイズと複雑さから,現在まで LDP ソルバには及ばないMOT20を解くことができる。
これら4つの標準MOTベンチマークにおいて、最適 LDP ソルバに基づくトラッカーを含む最先端の手法と同等あるいは同等の性能を達成する。
関連論文リスト
- Temporal Correlation Meets Embedding: Towards a 2nd Generation of JDE-based Real-Time Multi-Object Tracking [52.04679257903805]
共同検出・埋め込み(JDE)トラッカーは多目的追跡(MOT)タスクにおいて優れた性能を示した。
TCBTrackという名前のトラッカーは、複数の公開ベンチマークで最先端のパフォーマンスを実現しています。
論文 参考訳（メタデータ） (2024-07-19T07:48:45Z) - 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) - EnsembleMOT: A Step towards Ensemble Learning of Multiple Object
Tracking [18.741196817925534]
複数オブジェクト追跡(MOT)は近年急速に進歩している。
そこで我々は,EnsembleMOTと呼ばれるMOTのためのシンプルだが効果的なアンサンブル手法を提案する。
本手法はモデル非依存であり,学習手順は不要である。
論文 参考訳（メタデータ） (2022-10-11T09:18:01Z) - Real Time Detection Free Tracking of Multiple Objects Via Equilibrium
Optimizer [0.951828574518325]
複数オブジェクト追跡(MOT)は通常、特別なハードウェアとより高い計算を必要とするため、難しい作業である。
平衡アルゴリズム(EO)とオブジェクトの境界ボックスの分解能の低減によるMOTの新しい枠組みを提案する。
実験結果から,EO多対象トラッカーが追従結果を満たすことが確認された。
論文 参考訳（メタデータ） (2022-05-22T06:04:34Z) - Approximative Algorithms for Multi-Marginal Optimal Transport and
Free-Support Wasserstein Barycenters [0.0]
N$離散確率測度に対する2乗ユークリッドコストで, マルチマルジナル最適輸送(MOT)の解を近似する2つのアルゴリズムを提案する。
高速で、メモリ効率が高く、実装も簡単で、どのスパースOTソルバでもブラックボックスとして使用することができる。
論文 参考訳（メタデータ） (2022-02-02T10:59:54Z) - Probabilistic Tracklet Scoring and Inpainting for Multiple Object
Tracking [83.75789829291475]
本稿では,トラックレット提案の確率的自己回帰運動モデルを提案する。
これは、我々のモデルを訓練して、自然のトラックレットの基盤となる分布を学習することで達成される。
我々の実験は、挑戦的なシーケンスにおける物体の追跡におけるアプローチの優位性を実証している。
論文 参考訳（メタデータ） (2020-12-03T23:59:27Z) - Adaptive Sampling for Best Policy Identification in Markov Decision
Processes [79.4957965474334]
本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。
最先端アルゴリズムの利点を論じ、解説する。
論文 参考訳（メタデータ） (2020-09-28T15:22:24Z) - 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。