論文の概要: GNN-PMB: A Simple but Effective Online 3D Multi-Object Tracker without
Bells and Whistles
- arxiv url: http://arxiv.org/abs/2206.10255v1
- Date: Tue, 21 Jun 2022 11:01:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-23 02:13:14.748968
- Title: GNN-PMB: A Simple but Effective Online 3D Multi-Object Tracker without
Bells and Whistles
- Title(参考訳): GNN-PMB: ベルとウィスレスのないシンプルだが効果的なオンライン3Dマルチオブジェクトトラッカー
- Authors: Jianan Liu, Liping Bai, Yuxuan Xia, Tao Huang, Bing Zhu
- Abstract要約: 多目的追跡(MOT)は、高度運転支援システム(ADAS)および自律運転システム(AD)において重要な応用である。
MOTのほとんどのソリューションは、GNN(Global Near neighbor)のようなランダムなベクトルベイズフィルタとルールベースのデータセットトラックのメンテナンスに基づいている。
RFSベイズフィルタは、最近ADASおよびADシステムのMOTタスクに応用されているが、計算コストと実装の複雑さのため、実際のトラフィックにおけるそれらの有用性は疑わしい。
- 参考スコア(独自算出の注目度): 5.412903717011731
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multi-object tracking (MOT) is among crucial applications in modern advanced
driver assistance systems (ADAS) and autonomous driving (AD) systems. Most
solutions to MOT are based on random vector Bayesian filters like global
nearest neighbor (GNN) plus rule-based heuristical track maintenance. With the
development of random finite set (RFS) theory, the RFS Bayesian filters have
been applied in MOT tasks for ADAS and AD systems recently. However, their
usefulness in the real traffic is open to doubt due to computational cost and
implementation complexity. In this paper, it is revealed that GNN with
rule-based heuristic track maintenance is insufficient for LiDAR-based MOT
tasks in ADAS and AD systems. This judgement is illustrated by systematically
comparing several different multi-point object filter-based tracking
frameworks, including traditional random vector Bayesian filters with
rule-based heuristical track maintenance and RFS Bayesian filters. Moreover, a
simple and effective tracker, namely Poisson multi-Bernoulli filter using
global nearest neighbor (GNN-PMB) tracker, is proposed for LiDAR-based MOT
tasks. The proposed GNN-PMB tracker achieves competitive results in nuScenes
test dataset, and shows superior tracking performance over other
state-of-the-art LiDAR only trackers and LiDAR and camera fusion-based
trackers.
- Abstract(参考訳): マルチオブジェクトトラッキング(MOT)は、現代の先進運転支援システム(ADAS)や自律運転システム(AD)において重要な応用である。
MOTのほとんどのソリューションは、GNNのようなランダムなベクトルベイズフィルタとルールベースのヒューリスティックな軌道維持に基づいている。
RFSベイズフィルタは、ランダム有限集合(RFS)理論の発展に伴い、最近ADASおよびAD系のMOTタスクに応用されている。
しかしながら、実際のトラフィックにおけるそれらの有用性は、計算コストと実装の複雑さのために疑わしい。
本稿では,ルールベースヒューリスティックトラックメンテナンスによるGNNが,ADASおよびADシステムにおけるLiDARベースのMOTタスクには不十分であることを明らかにした。
この判断は、規則ベースのヒューリスティックトラックメンテナンスを伴う従来のランダムベクトルベイズフィルタやrfsベイズフィルタなど、いくつかの異なるマルチポイントオブジェクトフィルタベースのトラッキングフレームワークを体系的に比較することによって示される。
さらに,LDARに基づくMOTタスクに対して,グローバルニアニア(GNN-PMB)トラッカーを用いたPoisson multi-Bernoulliフィルタを提案する。
提案したGNN-PMBトラッカーはnuScenesテストデータセットの競合的な結果を達成し、最先端のLiDARトラッカーとLiDARおよびカメラフュージョンベースのトラッカーよりも優れたトラッキング性能を示す。
関連論文リスト
- Beyond Kalman Filters: Deep Learning-Based Filters for Improved Object
Tracking [3.5693768338940304]
本稿では,追跡検出システムのための2つの革新的なデータ駆動フィルタリング手法を提案する。
最初の方法は、トレーニング可能な運動モデルを持つベイズフィルタを用いて、物体の将来の位置を予測する。
第2の方法は、エンドツーエンドのトレーニング可能なフィルタで、検出エラーの修正を学習することでさらに前進する。
論文 参考訳(メタデータ) (2024-02-15T10:47:44Z) - Unsupervised Domain Adaptation for Self-Driving from Past Traversal
Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。
提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。
実世界のデータセットの実験では、大幅な改善が示されている。
論文 参考訳(メタデータ) (2023-09-21T15:00:31Z) - SOMPT22: A Surveillance Oriented Multi-Pedestrian Tracking Dataset [5.962184741057505]
我々はSOMPT22データセットを紹介した。これは、都市監視のための高さ6-8mのポール上の静止カメラから撮影した注釈付きショートビデオを備えた、複数人の追跡のための新しいセットである。
我々は,新しいデータセット上での検出とreIDネットワークの利用方法について,MOTトラッカーをワンショットと2ステージに分類して分析する。
我々の新しいデータセットの実験結果から、SOTAは依然として高効率には程遠いことが示され、シングルショットトラッカーは高速実行と精度を競合性能と一体化するための良い候補である。
論文 参考訳(メタデータ) (2022-08-04T11:09:19Z) - Interaction-Aware Labeled Multi-Bernoulli Filter [5.255783459833821]
RFSに基づくマルチターゲットフィルタの予測ステップにターゲットインタラクションを組み込む新しい手法を提案する。
この手法は、協調した群れと車両を追跡するための2つの実用的な応用のために開発された。
論文 参考訳(メタデータ) (2022-04-19T04:23:32Z) - Stress-Testing LiDAR Registration [52.24383388306149]
本稿では,LiDARデータセットからフレームペアの挑戦的集合である平衡登録集合を選択する手法を提案する。
おそらく予想外のことに、最も高速かつ同時に正確なアプローチは、先進RANSACのバージョンであることがわかった。
論文 参考訳(メタデータ) (2022-04-16T05:10:55Z) - Split and Connect: A Universal Tracklet Booster for Multi-Object
Tracking [33.23825397557663]
マルチオブジェクト追跡(MOT)はコンピュータビジョン分野において重要な課題である。
本稿では,他の任意のトラッカー上に構築可能なトラックレットブースターアルゴリズムを提案する。
モチベーションは単純で単純で、潜在的なIDスイッチ位置でトラックレットを分割し、同じオブジェクトから複数のトラックレットを1つに接続する。
論文 参考訳(メタデータ) (2021-05-06T03:49:19Z) - Distractor-Aware Fast Tracking via Dynamic Convolutions and MOT
Philosophy [63.91005999481061]
実用的長期トラッカーは、典型的には3つの重要な特性を含む。
効率的なモデル設計、効果的なグローバル再検出戦略、堅牢な気晴らし認識メカニズム。
動的畳み込み (d-convs) と多重オブジェクト追跡 (MOT) の哲学を用いて, 注意をそらした高速トラッキングを実現するための2タスクトラッキングフレームワーク(DMTrack)を提案する。
我々のトラッカーはLaSOT, OxUvA, TLP, VOT2018LT, VOT 2019LTベンチマークの最先端性能を実現し, リアルタイム3倍高速に動作させる。
論文 参考訳(メタデータ) (2021-04-25T00:59:53Z) - Multi-Object Tracking using Poisson Multi-Bernoulli Mixture Filtering
for Autonomous Vehicles [0.0]
自動運転車が3Dトラッキングを行う能力は、散らかった環境における安全な計画とナビゲーションに不可欠である。
自動運転アプリケーションにおけるマルチオブジェクトトラッキング(MOT)の主な課題は、オブジェクトの数、オブジェクトの出現および消失の時期および場所、およびオブジェクトの状態に関する不確実性に関する固有の不確実性にあります。
本研究では、3D LiDARデータのためのRFSベースのMOTフレームワークを開発した。
本稿では、自律運転アプリケーションにおけるアモーダルMOT問題を解決するために、Poisson Multi-Bernoulli混合フィルタを提案する。
論文 参考訳(メタデータ) (2021-03-13T20:24:18Z) - Simultaneous Detection and Tracking with Motion Modelling for Multiple
Object Tracking [94.24393546459424]
本稿では,複数の物体の運動パラメータを推定し,共同検出と関連付けを行うディープ・モーション・モデリング・ネットワーク(DMM-Net)を提案する。
DMM-Netは、人気の高いUA-DETRACチャレンジで12.80 @120+ fpsのPR-MOTAスコアを達成した。
また,車両追跡のための大規模な公開データセットOmni-MOTを合成し,精密な接地トルースアノテーションを提供する。
論文 参考訳(メタデータ) (2020-08-20T08:05:33Z) - 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) - Fully Convolutional Online Tracking [47.78513247048846]
我々は、分類と回帰の両方のためにFCOTと呼ばれる完全な畳み込みオンライン追跡フレームワークを提示する。
我々の重要な貢献は、ターゲットフィルタの重みをオンラインサンプルで初期化するオンライン回帰モデル生成器(RMG)の導入である。
RMGのユニークな設計のおかげで、我々のFCOTは時間次元に沿った目標変動の処理に有効であるばかりでなく、より正確な結果を生み出すことができる。
論文 参考訳(メタデータ) (2020-04-15T14:21:57Z)
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。