論文の概要: Bayesian Nonparametric View to Spawning
- arxiv url: http://arxiv.org/abs/2112.06640v1
- Date: Fri, 3 Dec 2021 23:42:58 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-19 15:27:58.608100
- Title: Bayesian Nonparametric View to Spawning
- Title（参考訳）: ベイジアン非パラメトリックな産卵観
- Authors: Bahman Moraffah
- Abstract要約: 未知の物体から各観測が引き出されるシナリオをモデル化する新しいベイズ非パラメトリックアプローチを導入する。
生成イベントのシナリオに対する非パラメトリックモデリングの利点を実験を通して示す。
- 参考スコア（独自算出の注目度）: 2.8427946758947304
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In tracking multiple objects, it is often assumed that each observation
(measurement) is originated from one and only one object. However, we may
encounter a situation that each measurement may or may not be associated with
multiple objects at each time step --spawning. Therefore, the association of
each measurement to multiple objects is a crucial task to perform in order to
track multiple objects with birth and death. In this paper, we introduce a
novel Bayesian nonparametric approach that models a scenario where each
observation may be drawn from an unknown number of objects for which it
provides a tractable Markov chain Monte Carlo (MCMC) approach to sample from
the posterior distribution. The number of objects at each time step, itself, is
also assumed to be unknown. We, then, show through experiments the advantage of
nonparametric modeling to scenarios with spawning events. Our experiment
results also demonstrate the advantages of our framework over the existing
methods.
- Abstract（参考訳）: 複数の物体を追跡する場合、各観測値(測定値)は1つの物体のみに由来すると仮定されることが多い。
しかしながら、各測定値が各時間ステップで複数のオブジェクトに関連付けられたり、関連付けられなかったりする状況に遭遇する可能性があります。
したがって、各測定値が複数のオブジェクトに関連付けることは、複数のオブジェクトの生死を追跡する上で重要な課題である。
本稿では,マルコフ連鎖モンテカルロ (MCMC) による後部分布からのサンプル抽出が可能な未知の物体から各観測結果が引き出されるシナリオをモデル化する,ベイズ的非パラメトリック手法を提案する。
各時間ステップのオブジェクト数自体も未知であると考えられている。
次に,イベント発生時のシナリオに対する非パラメトリックモデリングの利点を実験を通して示す。
また,既存の手法よりもフレームワークの利点を実証する実験を行った。
関連論文リスト
- Self-Supervised Multi-Object Tracking with Path Consistency [28.923565712817645]
本稿では,手動のオブジェクト識別管理を使わずに,ロバストなオブジェクトマッチングを学習するための経路整合性の概念を提案する。
我々は複数の観測経路を生成し、それぞれがスキップすべき異なるフレームの集合を指定し、関連性を強制するパス一貫性損失を定式化する。
論文 参考訳（メタデータ） (2024-04-08T01:29:10Z) - FoundationPose: Unified 6D Pose Estimation and Tracking of Novel Objects [55.77542145604758]
FoundationPoseは、6Dオブジェクトのポーズ推定と追跡のための統合基盤モデルである。
我々のアプローチは、微調整なしで、テスト時に新しいオブジェクトに即座に適用できる。
論文 参考訳（メタデータ） (2023-12-13T18:28:09Z) - Object-Centric Multiple Object Tracking [124.30650395969126]
本稿では,多目的追跡パイプラインのためのビデオオブジェクト中心モデルを提案する。
オブジェクト中心のスロットを検出出力に適応するインデックスマージモジュールと、オブジェクトメモリモジュールで構成される。
オブジェクト中心学習に特化して、オブジェクトのローカライゼーションと機能バインディングのためのスパース検出ラベルしか必要としない。
論文 参考訳（メタデータ） (2023-09-01T03:34:12Z) - End-to-end Tracking with a Multi-query Transformer [96.13468602635082]
マルチオブジェクトトラッキング(MOT)は、時間とともにシーン内のオブジェクトの位置、外観、アイデンティティを同時に推論する必要がある課題である。
本研究の目的は、トラッキング・バイ・ディテクト・アプローチを超えて、未知のオブジェクト・クラスに対してもよく機能するクラスに依存しないトラッキングへと移行することである。
論文 参考訳（メタデータ） (2022-10-26T10:19:37Z) - A Complete Recipe for Bayesian Knowledge Transfer: Object Tracking [3.60953887026184]
対象がモデルを選択し、従うことができるモデルジャンプを考慮に入れた、新しいベイズモデルを導入する。
我々は,対象オブジェクトへの逐次転送中に,対象オブジェクトの軌跡を追跡することを目的としている。
論文 参考訳（メタデータ） (2022-10-20T00:11:36Z) - COPE: End-to-end trainable Constant Runtime Object Pose Estimation [27.812786116392584]
最先端オブジェクトのポーズ推定は、複数モデルの定式化を使用して、テストイメージ内の複数のインスタンスを処理する。
本稿では,複数のオブジェクトの中間的幾何学的表現を学習して,テスト画像中の全インスタンスの6Dポーズを直接回帰する手法を提案する。
論文 参考訳（メタデータ） (2022-08-18T12:58:53Z) - Learning to Track with Object Permanence [61.36492084090744]
共同物体の検出と追跡のためのエンドツーエンドのトレーニング可能なアプローチを紹介します。
私たちのモデルは、合成データと実データで共同トレーニングされ、KITTIおよびMOT17データセットの最先端を上回ります。
論文 参考訳（メタデータ） (2021-03-26T04:43:04Z) - Discovering Object-Centric Petri Nets [77.79845386439361]
イベントデータからペトリネットを検出する技術は、イベント毎に正確に1つのケース識別子を仮定する。
ケース識別子はイベントの相関に使用され、結果として発見されたペトリネットは個々のケースのライフサイクルを記述することを目的としている。
本稿では,PM4Pyで実装された新しいプロセス発見手法について述べる。
論文 参考訳（メタデータ） (2020-10-05T14:25:42Z) - Bayesian nonparametric modeling for predicting dynamic dependencies in
multiple object tracking [1.8275108630751837]
本稿では,複数の物体の追跡における問題に対処するためにベイズ的非パラメトリック手法を用いる。
本稿では,依存するディリクレとピットマン・ヤールのプロセスを用いて,複数のパラメータ状態のモデル化を提案する。
これらの非パラメトリックモデルは、既存の手法と比較して、より柔軟で堅牢であることが示されている。
論文 参考訳（メタデータ） (2020-04-22T19:07:35Z) - Spatio-Temporal Action Detection with Multi-Object Interaction [127.85524354900494]
本稿では,多目的インタラクションを用いたS時間動作検出問題について検討する。
マルチオブジェクトインタラクションを含むアクションチューブに空間的アノテーションを付加した新しいデータセットを提案する。
本研究では,空間的・時間的回帰を同時に行うエンド・ツー・エンドの時間的行動検出モデルを提案する。
論文 参考訳（メタデータ） (2020-04-01T00:54:56Z)
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。