論文の概要: Improving tracking with a tracklet associator

• arxiv url: http://arxiv.org/abs/2204.10677v1
• Date: Fri, 22 Apr 2022 12:47:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-25 13:44:57.427218
• Title: Improving tracking with a tracklet associator
• Title（参考訳）: トラックレットアソシエータによるトラッキングの改善
• Authors: R\'emi Nahon, Guillaume-Alexandre Bilodeau and Gilles Pesant
• Abstract要約: マルチプルオブジェクトトラッキング(Multiple Object Tracking、MOT)は、コンピュータビジョンにおけるタスクであり、ビデオ内のオブジェクトの位置を検出し、それらをユニークなアイデンティティに関連付けることを目的としている。 本稿では,制約プログラミング(CP)に基づく手法を提案する。その目的は,既存のトラッカーに移植することで,オブジェクトの関連性を改善することである。
• 参考スコア（独自算出の注目度）: 17.839783649372116
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multiple object tracking (MOT) is a task in computer vision that aims to detect the position of various objects in videos and to associate them to a unique identity. We propose an approach based on Constraint Programming (CP) whose goal is to be grafted to any existing tracker in order to improve its object association results. We developed a modular algorithm divided into three independent phases. The first phase consists in recovering the tracklets provided by a base tracker and to cut them at the places where uncertain associations are spotted, for example, when tracklets overlap, which may cause identity switches. In the second phase, we associate the previously constructed tracklets using a Belief Propagation Constraint Programming algorithm, where we propose various constraints that assign scores to each of the tracklets based on multiple characteristics, such as their dynamics or the distance between them in time and space. Finally, the third phase is a rudimentary interpolation model to fill in the remaining holes in the trajectories we built. Experiments show that our model leads to improvements in the results for all three of the state-of-the-art trackers on which we tested it (3 to 4 points gained on HOTA and IDF1).
• Abstract（参考訳）: マルチプルオブジェクトトラッキング(Multiple Object Tracking、MOT)は、コンピュータビジョンにおけるタスクであり、ビデオ内の様々なオブジェクトの位置を検出し、それらをユニークなアイデンティティに関連付けることを目的としている。 本稿では,制約プログラミング(CP)に基づく手法を提案する。その目的は,既存のトラッカーに移植することで,オブジェクトの関連性を改善することである。 モジュールアルゴリズムを3つの独立したフェーズに分割した。 第1フェーズは、ベーストラッカが提供するトラックレットを回復し、トラックレットが重なり合うような不確実性のあるアソシエーションが検出される場所でカットすることで、idスイッチが発生する可能性がある。 第2のフェーズでは、以前に構築されたトラックレットをBelief Propagation Constraint Programmingアルゴリズムを用いて関連付け、時間と空間におけるそれらのダイナミクスや距離といった複数の特性に基づいて各トラックレットにスコアを割り当てる様々な制約を提案する。 最後に、第3フェーズは、私たちが構築した軌道の残りの穴を埋める初歩的な補間モデルである。 実験の結果,我々のモデルが,hotaとidf1で得られた3点(3点から4点)をテストした最新トラッカすべてにおいて,結果の改善に繋がることがわかった。

関連論文リスト

• BiTrack: Bidirectional Offline 3D Multi-Object Tracking Using Camera-LiDAR Data [11.17376076195671]
  BiTrackは2D-3D検出融合、初期軌道生成、双方向軌道再最適化のモジュールを含む3D OMOTフレームワークである。 KITTIデータセットを用いた実験結果から,BiTrackは3次元OMOTタスクの最先端性能を精度と効率で達成できることが示された。
  論文  参考訳（メタデータ） (2024-06-26T15:09:54Z)
• Multi-Correlation Siamese Transformer Network with Dense Connection for 3D Single Object Tracking [14.47355191520578]
  ポイントクラウドベースの3Dオブジェクトトラッキングは、自動運転において重要なタスクである。 スパースLIDARポイントクラウドデータでテンプレートと検索ブランチの相関を効果的に学習することは依然として困難である。 本稿では,複数のステージを持つマルチ相関シームス変圧器ネットワークを提案し,各ステージの最後に特徴相関を行う。
  論文  参考訳（メタデータ） (2023-12-18T09:33:49Z)
• An Effective Motion-Centric Paradigm for 3D Single Object Tracking in Point Clouds [50.19288542498838]
  LiDARポイントクラウド(LiDAR SOT)における3Dシングルオブジェクトトラッキングは、自動運転において重要な役割を果たす。 現在のアプローチはすべて、外観マッチングに基づくシームズパラダイムに従っている。 我々は新たな視点からLiDAR SOTを扱うための動き中心のパラダイムを導入する。
  論文  参考訳（メタデータ） (2023-03-21T17:28:44Z)
• Modeling Continuous Motion for 3D Point Cloud Object Tracking [54.48716096286417]
  本稿では,各トラックレットを連続ストリームとみなす新しいアプローチを提案する。 各タイムスタンプでは、現在のフレームだけがネットワークに送られ、メモリバンクに格納された複数フレームの履歴機能と相互作用する。 頑健な追跡のためのマルチフレーム機能の利用性を高めるために,コントラッシブシーケンス強化戦略を提案する。
  論文  参考訳（メタデータ） (2023-03-14T02:58:27Z)
• 3DMODT: Attention-Guided Affinities for Joint Detection & Tracking in 3D Point Clouds [95.54285993019843]
  本稿では,3次元点雲における複数物体の同時検出と追跡手法を提案する。 本モデルでは,複数のフレームを用いた時間情報を利用してオブジェクトを検出し,一つのネットワーク上で追跡する。
  論文  参考訳（メタデータ） (2022-11-01T20:59:38Z)
• Unified Transformer Tracker for Object Tracking [58.65901124158068]
  異なるシナリオにおけるトラッキング問題に1つのパラダイムで対処するために,UTT(Unified Transformer Tracker)を提案する。 SOT(Single Object Tracking)とMOT(Multiple Object Tracking)の両方を対象とするトラックトランスフォーマーを開発した。
  論文  参考訳（メタデータ） (2022-03-29T01:38:49Z)
• Exploring Simple 3D Multi-Object Tracking for Autonomous Driving [10.921208239968827]
  LiDARポイントクラウドにおける3Dマルチオブジェクトトラッキングは、自動運転車にとって重要な要素である。 既存の手法は、主にトラッキング・バイ・検出パイプラインに基づいており、検出アソシエーションのマッチングステップが必然的に必要である。 我々は,手作りの追跡パラダイムをシンプルにするために,原点雲からの共同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モデルを提案する。
  論文  参考訳（メタデータ） (2021-08-23T17:59:22Z)
• Multiple Object Tracking with Mixture Density Networks for Trajectory Estimation [1.6822770693792826]
  トラジェクトリ推定がトラジェクトリ推定の重要要素となりうることを示すとともに、トラジェクトリ推定器であるトラジェクトリ推定器(トラジェクトリ推定器)をリカレント混合密度ネットワークに基づいて提案する。 TrajEをCenterTrack[63]とTracktor[3]の2つの状態に統合する。 MOTChallenge 2017テストセットでの彼らのパフォーマンスは、MOTAスコアで6.3ポイントと0.3ポイント、IDF1で1.8ポイントと3.1ポイント向上し、CenterTrack+TrajE構成で新たな技術状態が設定された。
  論文  参考訳（メタデータ） (2021-06-21T09:45:27Z)
• Monocular Quasi-Dense 3D Object Tracking [99.51683944057191]
  周囲の物体の将来の位置を予測し、自律運転などの多くのアプリケーションで観測者の行動を計画するためには、信頼性と正確な3D追跡フレームワークが不可欠である。 移動プラットフォーム上で撮影された2次元画像のシーケンスから,移動物体を時間とともに効果的に関連付け,その全3次元バウンディングボックス情報を推定するフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-12T15:30:02Z)
• Dense Scene Multiple Object Tracking with Box-Plane Matching [73.54369833671772]
  マルチオブジェクトトラッキング(MOT)はコンピュータビジョンにおいて重要なタスクである。 密集したシーンにおけるMOT性能を改善するために,Box-Plane Matching (BPM)法を提案する。 3つのモジュールの有効性により、ACM MM Grand Challenge HiEve 2020において、私たちのチームはトラック1のリーダーボードで1位を獲得しました。
  論文  参考訳（メタデータ） (2020-07-30T16:39:22Z)

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。