論文の概要: Particle Videos Revisited: Tracking Through Occlusions Using Point Trajectories

• arxiv url: http://arxiv.org/abs/2204.04153v1
• Date: Fri, 8 Apr 2022 16:05:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-11 13:04:53.824186
• Title: Particle Videos Revisited: Tracking Through Occlusions Using Point Trajectories
• Title（参考訳）: 粒子ビデオ再考:点軌道を用いたオクルージョンの追跡
• Authors: Adam W. Harley, Zhaoyuan Fang, Katerina Fragkiadaki
• Abstract要約: 我々はSandとTellerの"パーティクルビデオ"アプローチを再検討し、長距離モーション推定問題としてピクセル追跡について検討する。 私たちはこの古典的なアプローチを、現在の最先端のフローとオブジェクトトラッキングを駆動するコンポーネントを使って再構築します。 既存の光学フローデータセットから抽出した長距離アモーダル点軌道を用いてモデルを訓練する。
• 参考スコア（独自算出の注目度）: 29.258861811749103
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tracking pixels in videos is typically studied as an optical flow estimation problem, where every pixel is described with a displacement vector that locates it in the next frame. Even though wider temporal context is freely available, prior efforts to take this into account have yielded only small gains over 2-frame methods. In this paper, we revisit Sand and Teller's "particle video" approach, and study pixel tracking as a long-range motion estimation problem, where every pixel is described with a trajectory that locates it in multiple future frames. We re-build this classic approach using components that drive the current state-of-the-art in flow and object tracking, such as dense cost maps, iterative optimization, and learned appearance updates. We train our models using long-range amodal point trajectories mined from existing optical flow datasets that we synthetically augment with occlusions. We test our approach in trajectory estimation benchmarks and in keypoint label propagation tasks, and compare favorably against state-of-the-art optical flow and feature tracking methods.
• Abstract（参考訳）: ビデオ中のピクセルの追跡は、通常光学フロー推定問題として研究され、各ピクセルは次のフレームに位置決めする変位ベクトルで記述される。 より広い時間的文脈は自由に利用できるが、それを考慮する以前の取り組みは、2フレームメソッドよりもわずかに利益しか得られなかった。 本稿では,砂とテラーの「粒子ビデオ」アプローチを再検討し,各画素を複数のフレームに配置する軌道で記述する長距離運動推定問題として画素追跡について検討する。 私たちはこの古典的なアプローチを、高コストマップや反復最適化、外見の更新など、現在の最先端のフローとオブジェクト追跡を駆動するコンポーネントを使って再構築します。 従来のオプティカルフローデータセットから抽出した遠距離アモーダルポイントトラジェクタを用いて,オクルージョンにより合成的に拡張したモデルを構築する。 提案手法を軌道推定ベンチマークやキーポイントラベル伝搬タスクで検証し,現状の光学的流れや特徴追跡手法と比較した。

関連論文リスト

• LEAP-VO: Long-term Effective Any Point Tracking for Visual Odometry [52.131996528655094]
  本稿では,LEAP(Long-term Effective Any Point Tracking)モジュールについて述べる。 LEAPは、動的トラック推定のために、視覚的、トラック間、時間的キューと慎重に選択されたアンカーを革新的に組み合わせている。 これらの特徴に基づき,強靭な視力計測システムLEAP-VOを開発した。
  論文  参考訳（メタデータ） (2024-01-03T18:57:27Z)
• Dense Optical Tracking: Connecting the Dots [82.79642869586587]
  DOTは、ビデオにおけるポイントトラッキングの問題を解決するための、新しくてシンプルで効率的な方法である。 OmniMotionのような高度な"ユニバーサルトラッカー"を上回り、CoTrackerのような最良のポイントトラッキングアルゴリズムと同等か、あるいはそれ以上の精度で、DOTが現在の光フロー技術よりもはるかに正確であることを示す。
  論文  参考訳（メタデータ） (2023-12-01T18:59:59Z)
• Tracking Everything Everywhere All at Once [111.00807055441028]
  ビデオシーケンスから高密度及び長距離運動を推定するための新しいテスト時間最適化法を提案する。 我々はOmniMotionと呼ばれる完全で一貫した動作表現を提案する。 提案手法は,従来の最先端手法よりも定量的にも定性的にも大きなマージンで優れている。
  論文  参考訳（メタデータ） (2023-06-08T17:59:29Z)
• ParticleSfM: Exploiting Dense Point Trajectories for Localizing Moving Cameras in the Wild [57.37891682117178]
  本稿では,一対の光流からの高密度対応に基づく動画の高密度間接構造抽出手法を提案する。 不規則点軌道データを処理するために,新しいニューラルネットワークアーキテクチャを提案する。 MPIシンテルデータセットを用いた実験により,我々のシステムはより正確なカメラ軌道を生成することがわかった。
  論文  参考訳（メタデータ） (2022-07-19T09:19:45Z)
• Dense Continuous-Time Optical Flow from Events and Frames [27.1850072968441]
  イベントカメラからのイベントを用いて,画素ごとの連続時間光フローを計算可能であることを示す。 これらの利点を利用して、パラメータ化されたB'ezier曲線を介して連続時間でピクセル軌跡を密に予測する。 我々のモデルは、イベントデータから高密度画素軌道を回帰できる最初の方法である。
  論文  参考訳（メタデータ） (2022-03-25T14:29:41Z)
• Motion-from-Blur: 3D Shape and Motion Estimation of Motion-blurred Objects in Videos [115.71874459429381]
  本研究では,映像から3次元の運動,3次元の形状,および高度に動きやすい物体の外観を同時推定する手法を提案する。 提案手法は, 高速移動物体の劣化と3次元再構成において, 従来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） (2021-11-29T11:25:14Z)
• Optical Flow Estimation from a Single Motion-blurred Image [66.2061278123057]
  画像内の動きのぼかしは、基本的なコンピュータビジョンの問題に実用的な関心を持つ可能性があります。 本研究では,単一動画像からの光流れをエンドツーエンドで推定する新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-03-04T12:45:18Z)

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。