論文の概要: Adaptive Affinity for Associations in Multi-Target Multi-Camera Tracking
- arxiv url: http://arxiv.org/abs/2112.07664v1
- Date: Tue, 14 Dec 2021 18:59:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-15 15:58:02.314771
- Title: Adaptive Affinity for Associations in Multi-Target Multi-Camera Tracking
- Title(参考訳): マルチターゲットマルチカメラトラッキングにおけるアソシエーションに対する適応的親和性
- Authors: Yunzhong Hou, Zhongdao Wang, Shengjin Wang, Liang Zheng
- Abstract要約: 本稿では,MTMCTにおけるアフィニティ推定を対応する対応範囲に適応させるための,単純かつ効果的な手法を提案する。
すべての外見の変化に対処する代わりに、データアソシエーション中に出現する可能性のあるものに特化したアフィニティメトリックを調整します。
ミスマッチを最小限に抑えるため、アダプティブアフィニティモジュールはグローバルなre-ID距離を大幅に改善する。
- 参考スコア(独自算出の注目度): 53.668757725179056
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Data associations in multi-target multi-camera tracking (MTMCT) usually
estimate affinity directly from re-identification (re-ID) feature distances.
However, we argue that it might not be the best choice given the difference in
matching scopes between re-ID and MTMCT problems. Re-ID systems focus on global
matching, which retrieves targets from all cameras and all times. In contrast,
data association in tracking is a local matching problem, since its candidates
only come from neighboring locations and time frames. In this paper, we design
experiments to verify such misfit between global re-ID feature distances and
local matching in tracking, and propose a simple yet effective approach to
adapt affinity estimations to corresponding matching scopes in MTMCT. Instead
of trying to deal with all appearance changes, we tailor the affinity metric to
specialize in ones that might emerge during data associations. To this end, we
introduce a new data sampling scheme with temporal windows originally used for
data associations in tracking. Minimizing the mismatch, the adaptive affinity
module brings significant improvements over global re-ID distance, and produces
competitive performance on CityFlow and DukeMTMC datasets.
- Abstract(参考訳): マルチターゲットマルチカメラ追跡(MTMCT)のデータアソシエーションは通常、再識別(re-ID)特徴距離から直接親和性を推定する。
しかし、re-ID問題とMTMCT問題とのマッチング範囲の違いを考えると、これは最善の選択ではないかもしれない。
Re-IDシステムはグローバルマッチングに重点を置いており、すべてのカメラからターゲットを取り出す。
対照的に、追跡におけるデータアソシエーションは、その候補が隣り合う場所と時間枠のみから来るため、ローカルマッチングの問題である。
本稿では,グローバルなre-ID特徴距離と追跡における局所的マッチングとの整合性を検証するための実験を設計し,MTMCTの対応する対応範囲にアフィニティ推定を適用するための簡易かつ効果的なアプローチを提案する。
すべての外観変更に対処する代わりに、データアソシエーション中に発生する可能性のあるものに特化したアフィニティメトリックを調整します。
そこで本研究では,トラッカリングにおけるデータアソシエーションに用いた時間窓を用いた新しいデータサンプリング方式を提案する。
ミスマッチを最小限に抑えると、adaptive affinityモジュールはグローバルリid距離を大幅に改善し、cityflowとdukemtmcデータセットで競合パフォーマンスが向上する。
関連論文リスト
- DeconfuseTrack:Dealing with Confusion for Multi-Object Tracking [11.739356936959622]
Decomposed Data Association (DDA) と呼ばれる,単純で汎用的で解釈可能なデータアソシエーション手法を提案する。
DDAは、従来のアソシエーション問題を、一連の非学習ベースのモジュールを用いて複数のサブプロブレムに分解する。
また,Occlusion-aware Non-Maximum Suppression (ONMS)を導入し,より閉塞な検出を行う。
論文 参考訳(メタデータ) (2024-03-05T08:35:09Z) - Single-Model and Any-Modality for Video Object Tracking [88.69362572728218]
任意のモダリティに対して単一のパラメータセットのアンダーライン統一トラッカーであるUn-Trackを導入する。
提案手法は,低ランク因子化および再構成手法を用いて,それらの共通潜時空間を学習する。
我々のUn-Trackは、+6.6M(93M以上)のパラメータを持つ+2.14(21.50以上)のGFLOPを導入することで、DepthTrackデータセット上で、+8.1絶対Fスコアゲインを達成する。
論文 参考訳(メタデータ) (2023-11-27T14:17:41Z) - Spatiotemporal k-means [63.230991774875044]
時空間クラスタリングは、人間の監督なしに動く物体のパターンや傾向を効率的に発見する必要性に対処する。
データクラスタ内のマルチテンポラリな関係を解析できるSTKMを提案する。
STKMは,特に低データ領域において,既存の手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2022-11-10T04:40:31Z) - A Moving Window Based Approach to Multi-scan Multi-Target Tracking [0.0]
マルチターゲット状態推定(Multi-target state estimation)とは、監視エリアにおけるターゲット数とその軌跡を推定することである。
汎用ラベル付きマルチベルヌーリ(GLMB)スムースメントを用いたマルチターゲットトラッキングのための移動窓ベースソリューションを提案する。
論文 参考訳(メタデータ) (2022-10-08T12:37:27Z) - Transformer-based assignment decision network for multiple object
tracking [0.0]
本稿では,データアソシエーションに取り組むトランスフォーマーベースのアサインメント決定ネットワーク(TADN)について,推論中に明示的な最適化を必要とせずに紹介する。
提案手法は,トラッカーとしての単純な性質にもかかわらず,ほとんどの評価指標において最先端の手法よりも優れている。
論文 参考訳(メタデータ) (2022-08-06T19:47:32Z) - Lifelong Unsupervised Domain Adaptive Person Re-identification with
Coordinated Anti-forgetting and Adaptation [127.6168183074427]
本稿では,LUDA (Lifelong Unsupervised Domain Adaptive) という新たなタスクを提案する。
これは、モデルがターゲット環境のラベル付けされていないデータに継続的に適応する必要があるため、難しい。
我々は、CLUDA-ReIDと呼ばれるこのタスクのための効果的なスキームを設計し、そこでは、アンチフォージェッティングが適応と調和して調整される。
論文 参考訳(メタデータ) (2021-12-13T13:19:45Z) - Multi-Object Tracking and Segmentation with a Space-Time Memory Network [12.043574473965318]
トラックレットを関連づける新しいメモリベース機構に基づく多目的追跡とセグメンテーションの手法を提案する。
提案するトラッカーであるMeNToSは、特に長期データアソシエーションの問題に対処する。
論文 参考訳(メタデータ) (2021-10-21T17:13:17Z) - Unsupervised and self-adaptative techniques for cross-domain person
re-identification [82.54691433502335]
非重複カメラにおける人物再識別(ReID)は難しい課題である。
Unsupervised Domain Adaptation(UDA)は、ソースで訓練されたモデルから、IDラベルアノテーションなしでターゲットドメインへの機能学習適応を実行するため、有望な代替手段です。
本稿では,新しいオフライン戦略によって生成されたサンプルのトリプレットを利用する,UDAベースのReID手法を提案する。
論文 参考訳(メタデータ) (2021-03-21T23:58:39Z) - Discriminative Appearance Modeling with Multi-track Pooling for
Real-time Multi-object Tracking [20.66906781151]
マルチオブジェクトトラッキングでは、トラッカーはそのメモリ内にシーンの各オブジェクトの外観と動き情報を保持する。
多くのアプローチは、それぞれのターゲットを分離してモデル化し、シーン内のすべてのターゲットを使用してメモリを共同で更新する能力がない。
オンライン上でハードトラッキングのエピソードを生成するマルチトラックプーリングに適応したトレーニング戦略を提案する。
論文 参考訳(メタデータ) (2021-01-28T18:12:39Z) - Joint Visual and Temporal Consistency for Unsupervised Domain Adaptive
Person Re-Identification [64.37745443119942]
本稿では,局所的なワンホット分類とグローバルなマルチクラス分類を組み合わせることで,視覚的・時間的整合性を両立させる。
3つの大規模ReIDデータセットの実験結果は、教師なしと教師なしの両方のドメイン適応型ReIDタスクにおいて提案手法の優位性を示す。
論文 参考訳(メタデータ) (2020-07-21T14:31:27Z)
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。