論文の概要: Robust Dual-Graph Regularized Moving Object Detection

• arxiv url: http://arxiv.org/abs/2204.11939v1
• Date: Mon, 25 Apr 2022 19:40:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-28 03:01:33.412820
• Title: Robust Dual-Graph Regularized Moving Object Detection
• Title（参考訳）: ロバストデュアルグラフ正規化移動物体検出
• Authors: Jing Qin, Ruilong Shen, Ruihan Zhu and Biyun Xie
• Abstract要約: 移動物体の検出とその背景と地上の分離は、多くのアプリケーションで広く利用されている。 重み付き核ノルム正規化に基づく頑健なデュアルグラフ正規化移動物体検出モデルを提案する。
• 参考スコア（独自算出の注目度）: 11.487964611698933
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Moving object detection and its associated background-foreground separation have been widely used in a lot of applications, including computer vision, transportation and surveillance. Due to the presence of the static background, a video can be naturally decomposed into a low-rank background and a sparse foreground. Many regularization techniques, such as matrix nuclear norm, have been imposed on the background. In the meanwhile, sparsity or smoothness based regularizations, such as total variation and $\ell_1$, can be imposed on the foreground. Moreover, graph Laplacians are further imposed to capture the complicated geometry of background images. Recently, weighted regularization techniques including the weighted nuclear norm regularization have been proposed in the image processing community to promote adaptive sparsity while achieving efficient performance. In this paper, we propose a robust dual-graph regularized moving object detection model based on the weighted nuclear norm regularization, which is solved by the alternating direction method of multipliers (ADMM). Numerical experiments on body movement data sets have demonstrated the effectiveness of this method in separating moving objects from background, and the great potential in robotic applications.
• Abstract（参考訳）: 移動物体の検出とその背景と地上の分離は、コンピュータビジョン、輸送、監視を含む多くのアプリケーションで広く利用されている。 静的な背景が存在するため、ビデオは自然に低ランクの背景と粗末な前景に分解することができる。 行列核ノルムのような多くの正規化手法が背景に課されている。 一方、全変動や$\ell_1$のようなスムーズさや滑らかさに基づく正規化は前景に課すことができる。 さらに、グラフラプラシアンは背景画像の複雑な幾何学を捉えるためにさらに強制される。 近年, 画像処理コミュニティにおいて, 高速な性能を実現しつつ, 適応性向上を図るために, 重み付き核ノルム正規化を含む重み付き正規化技術が提案されている。 本稿では、重み付けされた核ノルム正規化に基づくロバストなデュアルグラフ正規化移動物体検出モデルを提案し、乗算器の交互方向法(ADMM)を用いて解決する。 身体運動データセットの数値実験は、移動物体を背景から分離する際のこの手法の有効性とロボット応用における大きな可能性を示した。

関連論文リスト

• Learning Spatial-Temporal Regularized Tensor Sparse RPCA for Background Subtraction [6.825970634402847]
  正確な背景抽出のための時空間正規化テンソルスパース RPCA アルゴリズムを提案する。 6つのパブリックなバックグラウンドサブトラクションデータセットで実験が行われる。
  論文  参考訳（メタデータ） (2023-09-27T11:21:31Z)
• View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
  本稿では,屋外ロボットのための微細な自己局在化手法を提案する。 提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。 これは、動的環境における知覚を増強する初めての疎視のみの手法である。
  論文  参考訳（メタデータ） (2023-08-16T02:51:52Z)
• Human Motion Detection Based on Dual-Graph and Weighted Nuclear Norm Regularizations [15.253015329378286]
  本稿では、新しい重み付けされた核ノルム正規化と時間的グラフ時間ラプラシアンに基づく頑健な二重グラフ正規化移動物体検出モデルを提案する。 リアルな人間の運動データセットの実験は、移動物体を背景から分離する際のこのアプローチの堅牢性と有効性、そしてロボット応用における大きな可能性を示している。
  論文  参考訳（メタデータ） (2023-04-10T21:58:39Z)
• Geometric-aware Pretraining for Vision-centric 3D Object Detection [77.7979088689944]
  GAPretrainと呼ばれる新しい幾何学的事前学習フレームワークを提案する。 GAPretrainは、複数の最先端検出器に柔軟に適用可能なプラグアンドプレイソリューションとして機能する。 BEVFormer法を用いて, nuScenes val の 46.2 mAP と 55.5 NDS を実現し, それぞれ 2.7 と 2.1 点を得た。
  論文  参考訳（メタデータ） (2023-04-06T14:33:05Z)
• Dyna-DepthFormer: Multi-frame Transformer for Self-Supervised Depth Estimation in Dynamic Scenes [19.810725397641406]
  シーン深度と3次元運動場を協調的に予測する新しいDyna-Depthformerフレームワークを提案する。 まず,多視点の相関を一連の自己・横断的層を通じて活用し,深度特徴表現の強化を図る。 第2に,動的物体の運動場をセマンティック・プレセプションを使わずに推定するワーピングに基づく運動ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-01-14T09:43:23Z)
• Pixelated Reconstruction of Foreground Density and Background Surface Brightness in Gravitational Lensing Systems using Recurrent Inference Machines [116.33694183176617]
  我々は、リカレント推論マシンに基づくニューラルネットワークを用いて、背景画像の歪みのない画像と、画素マップとしてのレンズ質量密度分布を再構成する。 従来のパラメトリックモデルと比較して、提案手法はより表現力が高く、複雑な質量分布を再構成することができる。
  論文  参考訳（メタデータ） (2023-01-10T19:00:12Z)
• 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)
• Object-centric and memory-guided normality reconstruction for video anomaly detection [56.64792194894702]
  本稿では,ビデオ監視における異常検出問題に対処する。 異常事象の固有な規則性と不均一性のため、問題は正規性モデリング戦略と見なされる。 我々のモデルは、トレーニング中に異常なサンプルを見ることなく、オブジェクト中心の正規パターンを学習する。
  論文  参考訳（メタデータ） (2022-03-07T19:28:39Z)
• Dynamic Background Subtraction by Generative Neural Networks [8.75682288556859]
  我々はDBSGenと呼ばれる新しいバックグラウンドサブトラクション手法を提案している。 2つの生成ニューラルネットワークを使用し、1つは動的運動除去用、もう1つはバックグラウンド生成用である。 提案手法は、エンドツーエンドで教師なしの方法で最適化可能な統一されたフレームワークを有する。
  論文  参考訳（メタデータ） (2022-02-10T21:29:10Z)
• Regularity Learning via Explicit Distribution Modeling for Skeletal Video Anomaly Detection [43.004613173363566]
  確率的視点からポーズ動作表現を提供するために,新しい動き埋め込み (ME) を提案する。 タスク固有の空間時間変換器(STT)を自己教師型ポーズシーケンス再構築のために配置する。 MoPRLは、いくつかの挑戦的なデータセットに対して平均4.7%のAUCの改善によって最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2021-12-07T11:52:25Z)
• Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian Photometric Stereo [61.6260594326246]
  空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。 分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
  論文  参考訳（メタデータ） (2021-03-22T18:06:58Z)

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。