論文の概要: Generative Target Update for Adaptive Siamese Tracking
- arxiv url: http://arxiv.org/abs/2202.09938v1
- Date: Mon, 21 Feb 2022 00:22:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-25 09:18:37.104337
- Title: Generative Target Update for Adaptive Siamese Tracking
- Title（参考訳）: Adaptive Siamese Trackingのためのジェネレーティブターゲット更新
- Authors: Madhu Kiran, Le Thanh Nguyen-Meidine, Rajat Sahay, Rafael Menelau
Oliveira E Cruz, Louis-Antoine Blais-Morin and Eric Granger
- Abstract要約: シームズトラッカーは、検索領域内のオブジェクトをローカライズするためにテンプレート(ターゲットモデル)と類似性マッチングを行う。
文献では、現在のフレームのターゲット探索領域から抽出されるトラッカー出力に基づいてテンプレートを更新するためのいくつかの戦略が提案されている。
本稿では,複数フレームのオブジェクト探索領域から合成テンプレートを生成するため,生成モデルを用いたシームズトラッカーのモデル適応手法を提案する。
- 参考スコア（独自算出の注目度）: 7.662745552551165
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Siamese trackers perform similarity matching with templates (i.e., target
models) to recursively localize objects within a search region. Several
strategies have been proposed in the literature to update a template based on
the tracker output, typically extracted from the target search region in the
current frame, and thereby mitigate the effects of target drift. However, this
may lead to corrupted templates, limiting the potential benefits of a template
update strategy.
This paper proposes a model adaptation method for Siamese trackers that uses
a generative model to produce a synthetic template from the object search
regions of several previous frames, rather than directly using the tracker
output. Since the search region encompasses the target, attention from the
search region is used for robust model adaptation. In particular, our approach
relies on an auto-encoder trained through adversarial learning to detect
changes in a target object's appearance and predict a future target template,
using a set of target templates localized from tracker outputs at previous
frames. To prevent template corruption during the update, the proposed tracker
also performs change detection using the generative model to suspend updates
until the tracker stabilizes, and robust matching can resume through dynamic
template fusion.
Extensive experiments conducted on VOT-16, VOT-17, OTB-50, and OTB-100
datasets highlight the effectiveness of our method, along with the impact of
its key components. Results indicate that our proposed approach can outperform
state-of-art trackers, and its overall robustness allows tracking for a longer
time before failure.
- Abstract（参考訳）: シームズトラッカーはテンプレート(ターゲットモデル)と類似性マッチングを行い、検索領域内のオブジェクトを再帰的にローカライズする。
トラッカ出力に基づいてテンプレートを更新するためのいくつかの戦略が文献で提案されており、通常は現在のフレームのターゲット検索領域から抽出され、ターゲットドリフトの効果を緩和する。
しかし、テンプレート更新戦略の潜在的なメリットを制限し、テンプレートの破損につながる可能性がある。
本稿では, 生成モデルを用いて, トラッカ出力を直接使用するのではなく, 複数フレームの対象探索領域から合成テンプレートを生成する, シャム系トラッカのモデル適応法を提案する。
探索領域は対象を包含するので、探索領域からの注意が堅牢なモデル適応に使用される。
特に,対象オブジェクトの外観変化を検知し,過去のフレームのトラッカ出力からローカライズしたターゲットテンプレートセットを使用して,将来のターゲットテンプレートを予測するために,敵学習を通じてトレーニングされた自動エンコーダを用いる。
更新中のテンプレートの破損を防止するため、提案トラッカーは生成モデルを用いて変更検出を行い、トラッカーが安定するまで更新を停止し、ロバストマッチングは動的テンプレート融合によって再開できる。
VOT-16, VOT-17, OTB-50, OTB-100データセットで行った大規模な実験は,その重要成分の影響とともに,本手法の有効性を強調した。
その結果,提案手法は最先端のトラッカよりも優れており,その全体的なロバスト性は障害発生前に長時間追跡できることがわかった。
関連論文リスト
- Open-Set Deepfake Detection: A Parameter-Efficient Adaptation Method with Forgery Style Mixture [58.60915132222421]
本稿では,顔偽造検出に汎用的かつパラメータ効率の高い手法を提案する。
フォージェリー・ソース・ドメインの多様性を増大させるフォージェリー・ミックス・フォーミュレーションを設計する。
設計したモデルは、トレーニング可能なパラメータを著しく減らし、最先端の一般化性を実現する。
論文 参考訳（メタデータ） (2024-08-23T01:53:36Z) - Ada-Tracker: Soft Tissue Tracking via Inter-Frame and Adaptive-Template Matching [37.968954191944576]
我々は光学的流れを利用して自然に画素単位の組織変形を捉え、追跡されたテンプレートを適応的に補正する。
Ada-Trackerはより優れた精度を実現し、以前の作業に対してより堅牢に機能する。
論文 参考訳（メタデータ） (2024-03-11T07:42:40Z) - BackTrack: Robust template update via Backward Tracking of candidate
template [30.38433988212259]
BackTrackは一般的なテンプレート更新スキームであり、テンプレートベースのトラッカーに適用できる。
BackTrackは、過去のフレームで後方に追跡することで、候補テンプレートの信頼性を定量化する、堅牢で信頼性の高い方法である。
論文 参考訳（メタデータ） (2023-08-21T10:00:59Z) - Robust Object Modeling for Visual Tracking [36.05869157990915]
ビジュアルトラッキングのための堅牢なオブジェクトモデリングフレームワーク(ROMTrack)を提案する。
ROMTrackは、固有のテンプレートとハイブリッドテンプレート機能を同時にモデル化する。
変分トークンはオブジェクトの変形や外観の変化に適応し、無視できる計算で全体的なパフォーマンスを向上させることができる。
論文 参考訳（メタデータ） (2023-08-09T15:32:03Z) - Joint Feature Learning and Relation Modeling for Tracking: A One-Stream
Framework [76.70603443624012]
特徴学習と関係モデリングを統合した新しい一ストリーム追跡(OSTrack)フレームワークを提案する。
このようにして、相互誘導により識別的目標指向特徴を動的に抽出することができる。
OSTrackは、複数のベンチマークで最先端のパフォーマンスを実現しており、特に、ワンショットトラッキングベンチマークのGOT-10kでは印象的な結果を示している。
論文 参考訳（メタデータ） (2022-03-22T18:37:11Z) - Transforming Model Prediction for Tracking [109.08417327309937]
トランスフォーマーは、誘導バイアスの少ないグローバルな関係を捉え、より強力なターゲットモデルの予測を学ぶことができる。
提案したトラッカーをエンドツーエンドにトレーニングし、複数のトラッカーデータセットに関する総合的な実験を行うことで、その性能を検証する。
我々のトラッカーは3つのベンチマークで新しい技術状態を設定し、挑戦的なLaSOTデータセットで68.5%のAUCを達成した。
論文 参考訳（メタデータ） (2022-03-21T17:59:40Z) - Dynamic Template Selection Through Change Detection for Adaptive Siamese
Tracking [7.662745552551165]
単一オブジェクト追跡(SOT)は、ターゲットオブジェクトの外観の変化や変形のため、現実世界のアプリケーションでは難しい課題である。
本稿では,テンプレートの破損を防止し,動的サンプル選択とメモリ再生のための新しい手法を提案する。
提案手法は,モデル適応にオンライン学習を利用する任意のオブジェクト追跡アルゴリズムに組み込むことができる。
論文 参考訳（メタデータ） (2022-03-07T07:27:02Z) - Learning Dynamic Compact Memory Embedding for Deformable Visual Object
Tracking [82.34356879078955]
本稿では,セグメント化に基づく変形可能な視覚追跡手法の識別を強化するために,コンパクトなメモリ埋め込みを提案する。
DAVIS 2017ベンチマークでは,D3SやSiamMaskなどのセグメンテーションベースのトラッカーよりも優れている。
論文 参考訳（メタデータ） (2021-11-23T03:07:12Z) - Target Transformed Regression for Accurate Tracking [30.516462193231888]
本稿では,TREG(Target Transformed Regression)と呼ばれるTransformerライクな回帰分岐を,正確なアンカーフリートラッキングのために再利用する。
TREGのコアは、ターゲットテンプレートと検索領域の要素間のペアワイズ関係をモデル化し、正確なバウンディングボックス回帰のために得られたターゲット強化ビジュアル表現を使用することです。
さらに,信頼性の高いテンプレートを選択するための簡単なオンラインテンプレート更新機構を考案し,出現変動のロバスト性や対象の時間的変形を増大させる。
論文 参考訳（メタデータ） (2021-04-01T11:25:23Z) - Graph Attention Tracking [76.19829750144564]
汎用オブジェクト追跡のための簡易な目標認識型シームズグラフアテンションネットワークを提案する。
GOT-10k、UAV123、TB-100、LaSOTといった挑戦的なベンチマークの実験は、提案されたSiamGATが最先端のトラッカーよりも優れていることを示した。
論文 参考訳（メタデータ） (2020-11-23T04:26:45Z) - ArTIST: Autoregressive Trajectory Inpainting and Scoring for Tracking [80.02322563402758]
オンラインマルチオブジェクトトラッキング(MOT)フレームワークの中核的なコンポーネントの1つは、既存のトラックレットと新しい検出を関連付けることである。
そこで我々は,トラックレットが自然運動を表す可能性を直接測定することにより,トラックレットの提案を評価する確率論的自己回帰生成モデルを提案する。
論文 参考訳（メタデータ） (2020-04-16T06:43:11Z)
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。