論文の概要: Cross-Camera Human Motion Transfer by Time Series Analysis
- arxiv url: http://arxiv.org/abs/2109.14174v4
- Date: Sat, 30 Dec 2023 06:24:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-03 20:34:36.261572
- Title: Cross-Camera Human Motion Transfer by Time Series Analysis
- Title(参考訳): 時系列解析によるクロスカメラ・ヒューマンモーショントランスファー
- Authors: Yaping Zhao, Guanghan Li, Edmund Y. Lam
- Abstract要約: 動きの季節性を同定し,移動可能なパターンを抽出する付加モデルを構築するアルゴリズムを提案する。
我々は、HRから派生したパターンを活用することにより、低解像度ビデオのポーズ推定を改善する。
- 参考スコア(独自算出の注目度): 11.454103393879368
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With advances in optical sensor technology, heterogeneous camera systems are
increasingly used for high-resolution (HR) video acquisition and analysis.
However, motion transfer across multiple cameras poses challenges. To address
this, we propose an algorithm based on time series analysis that identifies
motion seasonality and constructs an additive model to extract transferable
patterns. Validated on real-world data, our algorithm demonstrates
effectiveness and interpretability. Notably, it improves pose estimation in
low-resolution videos by leveraging patterns derived from HR counterparts,
enhancing practical utility. Code is available at:
https://github.com/IndigoPurple/TSAMT
- Abstract(参考訳): 光センサー技術の進歩に伴い、高解像度(HR)ビデオの取得と分析に異機種カメラシステムの利用が増えている。
しかし、複数のカメラにまたがる移動が問題となる。
そこで本研究では,動きの季節性を特定し,移動可能なパターンを抽出する付加モデルを構築する時系列解析に基づくアルゴリズムを提案する。
実世界のデータに基づいて,本アルゴリズムの有効性と解釈可能性を示す。
特に、HRから派生したパターンを活用して低解像度ビデオのポーズ推定を改善し、実用性を向上させる。
コードは、https://github.com/IndigoPurple/TSAMTで入手できる。
関連論文リスト
- TrackDiffusion: Multi-object Tracking Data Generation via Diffusion
Models [81.81382481184889]
TrackDiffusionは、トラックレットから連続的なビデオシーケンスを生成するように設計された新しいアーキテクチャである。
生成したビデオシーケンスを,MOT(Multi-object Tracking)システムのトレーニングに活用できることを初めて実証した。
提案手法はTrackAPの8.7とTrackAPの11.8をYTVISデータセットの_50$で改善する。
論文 参考訳(メタデータ) (2023-12-01T15:24:38Z) - Automated Camera Calibration via Homography Estimation with GNNs [8.786192891436686]
政府や地方自治体は、道路の安全と交通条件の最適化のために、カメラから収集したデータにますます依存している。
カメラの正確な校正と自動校正を確実にすることが不可欠である。
本稿では,交差点のトポロジ的構造を利用して,この課題に対処する新しい手法を提案する。
論文 参考訳(メタデータ) (2023-11-05T08:45:26Z) - Homography Estimation in Complex Topological Scenes [6.023710971800605]
監視ビデオや画像は、交通分析から犯罪検出まで、幅広い用途に使用されている。
外部カメラキャリブレーションデータは、ほとんどの分析アプリケーションにとって重要である。
本稿では,任意のカメラ設定に関する事前知識を必要としない辞書ベースのアプローチを活用した自動カメラ校正プロセスを提案する。
論文 参考訳(メタデータ) (2023-08-02T11:31:43Z) - Leaping Into Memories: Space-Time Deep Feature Synthesis [93.10032043225362]
内部モデルから映像を合成するアーキテクチャ非依存の手法であるLEAPSを提案する。
我々は,Kineetics-400に基づく多種多様なアーキテクチャの進化的注目を反転させることにより,LEAPSの適用性を定量的かつ定性的に評価する。
論文 参考訳(メタデータ) (2023-03-17T12:55:22Z) - GPU-accelerated SIFT-aided source identification of stabilized videos [63.084540168532065]
我々は、安定化フレームインバージョンフレームワークにおけるグラフィクス処理ユニット(GPU)の並列化機能を利用する。
我々はSIFT機能を活用することを提案する。
カメラのモーメントを推定し 1%の確率で 時間セグメントを識別します
実験により,提案手法の有効性を確認し,必要な計算時間を短縮し,情報源の同定精度を向上させる。
論文 参考訳(メタデータ) (2022-07-29T07:01:31Z) - ParticleSfM: Exploiting Dense Point Trajectories for Localizing Moving
Cameras in the Wild [57.37891682117178]
本稿では,一対の光流からの高密度対応に基づく動画の高密度間接構造抽出手法を提案する。
不規則点軌道データを処理するために,新しいニューラルネットワークアーキテクチャを提案する。
MPIシンテルデータセットを用いた実験により,我々のシステムはより正確なカメラ軌道を生成することがわかった。
論文 参考訳(メタデータ) (2022-07-19T09:19:45Z) - Motion-aware Dynamic Graph Neural Network for Video Compressive Sensing [17.441522549583805]
ビデオスナップショットイメージング(SCI)は、2D検出器を使用してシーケンシャルなビデオフレームをキャプチャし、それらを1つの測定値に圧縮する。
既存の再建手法の多くは、長期の空間的および時間的依存関係をキャプチャできない。
本稿では,空間内の画素間の非局所的相互作用を効率的にモデル化するための,グラフニューラルネットワーク(GNN)に基づくフレキシブルでロバストなアプローチを提案する。
論文 参考訳(メタデータ) (2022-03-01T12:13:46Z) - Self-Supervised Camera Self-Calibration from Video [34.35533943247917]
汎用カメラモデルの効率的なファミリーを用いてシーケンスごとのキャリブレーションパラメータを回帰する学習アルゴリズムを提案する。
提案手法は,サブピクセル再投射誤差による自己校正を行い,他の学習手法よりも優れる。
論文 参考訳(メタデータ) (2021-12-06T19:42:05Z) - TransCamP: Graph Transformer for 6-DoF Camera Pose Estimation [77.09542018140823]
本稿では、カメラ再配置問題に対処するため、グラフトランスフォーマーバックボーン、すなわちTransCamPを用いたニューラルネットワークアプローチを提案する。
TransCamPは、画像の特徴、カメラポーズ情報、フレーム間の相対的なカメラモーションを、エンコードされたグラフ属性に効果的に融合する。
論文 参考訳(メタデータ) (2021-05-28T19:08:43Z) - A Modified Fourier-Mellin Approach for Source Device Identification on
Stabilized Videos [72.40789387139063]
マルチメディアの法医学ツールは通常 取得したフレームに カメラセンサーが残した 特徴的なノイズの痕跡を利用する
この分析では,カメラを特徴付けるノイズパターンと,解析対象の映像フレームから抽出したノイズパターンを幾何学的に整列させる必要がある。
本稿では,周波数領域におけるスケーリングと回転パラメータの探索により,この制限を克服することを提案する。
論文 参考訳(メタデータ) (2020-05-20T12:06:40Z)
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。