論文の概要: Does Video Compression Impact Tracking Accuracy?
- arxiv url: http://arxiv.org/abs/2202.00892v1
- Date: Wed, 2 Feb 2022 06:43:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-03 21:09:29.430686
- Title: Does Video Compression Impact Tracking Accuracy?
- Title(参考訳): ビデオ圧縮は追跡精度に影響するか?
- Authors: Takehiro Tanaka, Alon Harell, Ivan V. Baji\'c
- Abstract要約: 複数物体追跡精度(MOTA)に及ぼす量子化パラメータ(QP)と運動探索範囲(MSR)の影響を検討した。
その結果、QPはMOTAに95%の信頼度で影響を及ぼすが、MSRがMOTAに影響を及ぼすという証拠は不十分であることがわかった。
- 参考スコア(独自算出の注目度): 28.167294398293297
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Everyone "knows" that compressing a video will degrade the accuracy of object
tracking. Yet, a literature search on this topic reveals that there is very
little documented evidence for this presumed fact. Part of the reason is that,
until recently, there were no object tracking datasets for uncompressed video,
which made studying the effects of compression on tracking accuracy difficult.
In this paper, using a recently published dataset that contains tracking
annotations for uncompressed videos, we examined the degradation of tracking
accuracy due to video compression using rigorous statistical methods.
Specifically, we examined the impact of quantization parameter (QP) and motion
search range (MSR) on Multiple Object Tracking Accuracy (MOTA). The results
show that QP impacts MOTA at the 95% confidence level, while there is
insufficient evidence to claim that MSR impacts MOTA. Moreover, regression
analysis allows us to derive a quantitative relationship between MOTA and QP
for the specific tracker used in the experiments.
- Abstract(参考訳): ビデオの圧縮は、オブジェクト追跡の精度を低下させる、と誰もが知っている。
しかし、この話題に関する文献検索では、この推定事実の証拠がほとんどないことが明らかになっている。
その理由の一部は、最近まで非圧縮ビデオのオブジェクト追跡データセットがなかったため、圧縮が追跡精度に与える影響を研究するのが難しくなったためである。
本稿では,非圧縮ビデオのトラッキングアノテーションを含む最近発表されたデータセットを用いて,厳密な統計的手法を用いて,映像圧縮によるトラッキング精度の低下を検討した。
具体的には、量子化パラメータ(QP)と運動探索範囲(MSR)がMultiple Object Tracking Accuracy(MOTA)に与える影響について検討した。
その結果、QPはMOTAに95%の信頼度で影響を及ぼすが、MSRがMOTAに影響を及ぼすという証拠は不十分であることがわかった。
さらに,回帰分析により,実験で使用した特定トラッカに対して,motaとqpの定量的関係を導出することができる。
関連論文リスト
- CoTracker3: Simpler and Better Point Tracking by Pseudo-Labelling Real Videos [63.90674869153876]
我々はCoTracker3を導入し、新しい追跡モデルと半教師付きトレーニングレシピを新たに導入する。
これにより、トレーニング中にアノテーションを使わずに実際のビデオが使えるようになり、既成の教師を使って擬似ラベルを生成することができる。
モデルはオンライン版とオフライン版で利用可能で、視界や無視された点を確実に追跡できる。
論文 参考訳(メタデータ) (2024-10-15T17:56:32Z) - Familiarity-Aware Evidence Compression for Retrieval-Augmented Generation [33.13513003367646]
対象モデルに慣れ親しんだ証拠を抽出する訓練不要な証拠圧縮手法であるFaviCompを提案する。
FaviCompは、複数のオープンドメインQAデータセット間で、最新のエビデンス圧縮ベースラインを一貫して上回っている。
論文 参考訳(メタデータ) (2024-09-19T05:14:55Z) - Can we predict the Most Replayed data of video streaming platforms? [57.55927378696826]
YouTubeビデオから最も再生率の高い(MR)データを予測できるかどうかを検討する。
この目的のために、大規模なビデオベンチマークであるYTMR500データセットをキュレートする。
我々は、データセット上で様々な複雑さのディープラーニング(DL)モデルを評価し、広範囲にわたるアブレーション研究を行う。
論文 参考訳(メタデータ) (2023-09-12T10:08:33Z) - TAP-Vid: A Benchmark for Tracking Any Point in a Video [84.94877216665793]
我々は、より長いビデオクリップで表面上の任意の物理点を追跡するという問題を定式化し、任意の点(TAP)を追尾する。
そこで本研究では,実世界の映像に正確な点線アノテーションを付加したTAP-Vidと,完全な接地木線トラックを付加した合成ビデオとを併用したベンチマーク,TAP-Vidを提案する。
本稿では, 簡易な終端点追跡モデルTAP-Netを提案する。
論文 参考訳(メタデータ) (2022-11-07T17:57:02Z) - RLM-Tracking: Online Multi-Pedestrian Tracking Supported by Relative
Location Mapping [5.9669075749248774]
マルチオブジェクトトラッキングの問題は、公安、輸送、自動運転車、ロボティクス、人工知能を含む他の領域で広く利用されている、基本的なコンピュータビジョン研究の焦点である。
本稿では、オブジェクト textbfRelative Location Mapping (RLM) モデルと textbfTarget Region Density (TRD) モデルを含む、上記の問題に対する新しいマルチオブジェクトトラッカーを設計する。
新しいトラッカーは、オブジェクト間の位置関係の違いに敏感である。
物体の密度に応じてリアルタイムで異なる領域に低スコア検出フレームを導入することができる
論文 参考訳(メタデータ) (2022-10-19T11:37:14Z) - VariabilityTrack:Multi-Object Tracking with Variable Speed Object
Movement [1.6385815610837167]
マルチオブジェクトトラッキング(MOT)は、ビデオ内のオブジェクトのバウンディングボックスとIDを推定することを目的としている。
環境フィードバックに基づく可変速度カルマンフィルタアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-03-12T12:39:41Z) - Benchmarking Deep Trackers on Aerial Videos [5.414308305392762]
本論文では,4つの空中データセットの深層学習手法に基づく10のトラッカーを比較した。
我々は,検出による追跡,識別相関フィルタ,シャムネットワーク,強化学習など,さまざまなアプローチを用いた上位パフォーマンストラッカを選択する。
本研究では, 地上映像と比べ, 航空データセットではトラッカーの性能が著しく悪くなることが示唆された。
論文 参考訳(メタデータ) (2021-03-24T01:45:19Z) - 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) - Tracklets Predicting Based Adaptive Graph Tracking [51.352829280902114]
マルチオブジェクト追跡,すなわち textbfTPAGT のための,正確かつエンドツーエンドの学習フレームワークを提案する。
動作予測に基づいて、現在のフレーム内のトラックレットの特徴を再抽出する。
論文 参考訳(メタデータ) (2020-10-18T16:16:49Z) - Probabilistic Regression for Visual Tracking [193.05958682821444]
本稿では,確率論的回帰定式化を提案し,追跡に適用する。
入力画像が与えられたターゲット状態の条件付き確率密度を予測する。
トラッカーは6つのデータセットに新しい最先端のデータをセットし、LaSOTでは59.8%、TrackingNetでは75.8%のAUCを達成した。
論文 参考訳(メタデータ) (2020-03-27T17:58:37Z)
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。