論文の概要: Relation Preserving Triplet Mining for Stabilizing the Triplet Loss in
Vehicle Re-identification
- arxiv url: http://arxiv.org/abs/2110.07933v1
- Date: Fri, 15 Oct 2021 08:23:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-18 13:53:53.001005
- Title: Relation Preserving Triplet Mining for Stabilizing the Triplet Loss in
Vehicle Re-identification
- Title(参考訳): 車両再同定における三重項損失の安定化のための三重項マイニングの保持
- Authors: Adhiraj Ghosh, Kuruparan Shanmugalingam, Wen-Yan Lin
- Abstract要約: 本稿では, 特徴整合型トリプレットマイニング法であるRPTMについて紹介する。
RPTMはオブジェクトID内の自然なサブグループを尊重することを保証する。
我々はこの三重項マイニング機構を用いて、ポーズ対応で条件のよい三重項コスト関数を確立する。
- 参考スコア(独自算出の注目度): 5.322228232171796
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Object appearances often change dramatically with pose variations. This
creates a challenge for embedding schemes that seek to map instances with the
same object ID to locations that are as close as possible. This issue becomes
significantly heightened in complex computer vision tasks such as
re-identification(re-id). In this paper, we suggest these dramatic appearance
changes are indications that an object ID is composed of multiple natural
groups and it is counter-productive to forcefully map instances from different
groups to a common location. This leads us to introduce Relation Preserving
Triplet Mining (RPTM), a feature matching guided triplet mining scheme, that
ensures triplets will respect the natural sub-groupings within an object ID. We
use this triplet mining mechanism to establish a pose-aware, well-conditioned
triplet cost function. This allows a single network to be trained with fixed
parameters across three challenging benchmarks, while still providing
state-of-the-art re-identification results.
- Abstract(参考訳): 物体の外観はしばしばポーズの変化によって劇的に変化する。
これにより、同じオブジェクトidを持つインスタンスを可能な限り近い場所にマップしようとする組み込みスキームに対する課題が発生する。
この問題は、再識別(re-id)のような複雑なコンピュータビジョンタスクにおいて著しく高まる。
本稿では,これらの劇的な出現変化は,オブジェクトidが複数の自然群からなることを示すものであり,異なるグループからのインスタンスを共通の場所に強制的にマッピングすることが非生産的であることを示唆する。
これにより、オブジェクトID内の自然なサブグループを尊重するトリプレットマイニングスキームであるRelation Preserving Triplet Mining (RPTM)を導入することができる。
この三重項マイニング機構を用いてポーズ対応三重項コスト関数を確立する。
これにより、1つのネットワークを3つの挑戦的なベンチマークで固定パラメータでトレーニングできると同時に、最先端の再識別結果も提供できる。
関連論文リスト
- Keypoint Promptable Re-Identification [76.31113049256375]
Occluded Person Re-Identification (ReID) は、その外見に基づいて隠蔽された個人をマッチングするメトリクス学習タスクである。
本稿では、入力バウンディングボックスを意味キーポイントの集合で明示的に補完する新しいReID問題の定式化であるKeypoint Promptable ReID(KPR)を紹介する。
我々は4つの人気のあるReIDベンチマークのためのカスタムキーポイントラベルをリリースした。人物検索の実験だけでなく、ポーズトラッキングの実験も、我々の手法が従来の最先端手法を体系的に超越していることを示す。
論文 参考訳(メタデータ) (2024-07-25T15:20:58Z) - AutoInst: Automatic Instance-Based Segmentation of LiDAR 3D Scans [41.17467024268349]
3D環境を理解するには、きめ細かい風景を理解する必要がある。
教師なしの方法で3次元シーンのインスタンスセグメンテーションを予測することを提案する。
平均精度は13.3%,F1スコアは9.1%向上した。
論文 参考訳(メタデータ) (2024-03-24T22:53:16Z) - Coupled Laplacian Eigenmaps for Locally-Aware 3D Rigid Point Cloud Matching [0.0]
局所構造を考慮したグラフラプラシアン固有写像に基づく新しい手法を提案する。
ラプラシアン固有写像の順序と符号のあいまいさに対処するために、結合ラプラシアンと呼ばれる新しい作用素を導入する。
これらの高次元空間間の類似性は、形状に一致するような局所的な意味のあるスコアを与えることを示す。
論文 参考訳(メタデータ) (2024-02-27T10:10:12Z) - Living Scenes: Multi-object Relocalization and Reconstruction in Changing 3D Environments [20.890476387720483]
MoREは進化する環境における多目的再局在と再構成のための新しいアプローチである。
これらの環境を「生きたシーン」とみなし、異なる時点のスキャンをオブジェクトインスタンスの3次元再構成に変換する問題について考察する。
論文 参考訳(メタデータ) (2023-12-14T17:09:57Z) - EipFormer: Emphasizing Instance Positions in 3D Instance Segmentation [51.996943482875366]
本稿では, プログレッシブアグリゲーションとデュアル位置埋め込みを組み合わせた新しいトランスフォーマーアーキテクチャ, EipFormerを提案する。
EipFormerは最先端のアプローチよりも優れた、あるいは同等のパフォーマンスを実現している。
論文 参考訳(メタデータ) (2023-12-09T16:08:47Z) - Spatial-Temporal Graph Enhanced DETR Towards Multi-Frame 3D Object Detection [54.041049052843604]
STEMDは,多フレーム3Dオブジェクト検出のためのDETRのようなパラダイムを改良した,新しいエンドツーエンドフレームワークである。
まず、オブジェクト間の空間的相互作用と複雑な時間的依存をモデル化するために、空間的時間的グラフアテンションネットワークを導入する。
最後に、ネットワークが正のクエリと、ベストマッチしない他の非常に類似したクエリを区別することが課題となる。
論文 参考訳(メタデータ) (2023-07-01T13:53:14Z) - Non-Local Latent Relation Distillation for Self-Adaptive 3D Human Pose
Estimation [63.199549837604444]
3次元ポーズ推定アプローチは、強い(2D/3Dポーズ)または弱い(複数ビューまたは深さ)ペアによる監督の異なる形態を利用する。
我々は3Dポーズ学習を,ラベル付きソースドメインから完全に損なわれないターゲットへのタスク知識の転送を目的とした,自己指導型適応問題として捉えた。
我々は、異なる自己適応設定を評価し、標準ベンチマークで最先端の3Dポーズ推定性能を示す。
論文 参考訳(メタデータ) (2022-04-05T03:52:57Z) - Vertebrae segmentation, identification and localization using a graph
optimization and a synergistic cycle [20.4929202936935]
本稿では,CT画像における椎骨の分画,識別,局在について考察する。
これらの3つのタスクは関連していますが、それらが一緒に対処されたときに増加する特定の問題に直面します。
本稿では,3つのタスク間のコヒーレンスを強制する活発なサイクルを提案する。
このようなサイクルの中で、タスクは相互運用され、グローバルな一貫性基準を満たすまで反復される。
論文 参考訳(メタデータ) (2021-10-23T09:21:35Z) - Unsupervised Person Re-identification via Softened Similarity Learning [122.70472387837542]
人物再識別(re-ID)はコンピュータビジョンにおいて重要なトピックである。
本稿では,ラベル付き情報を必要としないre-IDの教師なし設定について検討する。
2つの画像ベースおよびビデオベースデータセットの実験は、最先端のパフォーマンスを示している。
論文 参考訳(メタデータ) (2020-04-07T17:16:41Z) - Towards Precise Intra-camera Supervised Person Re-identification [54.86892428155225]
人物の再識別(Re-ID)のためのカメラ内監視(ICS)は、アイデンティティラベルが各カメラビュー内に独立してアノテートされていると仮定する。
カメラ間ラベルの欠如により、ICS Re-ID問題は、完全に監督されたラベルよりもはるかに難しい。
われわれの手法は、2つのデータセットで最先端の完全教師付き手法に匹敵する性能を発揮する。
論文 参考訳(メタデータ) (2020-02-12T11:56:30Z)
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。