論文の概要: MOTCOM: The Multi-Object Tracking Dataset Complexity Metric
- arxiv url: http://arxiv.org/abs/2207.10031v1
- Date: Wed, 20 Jul 2022 16:46:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-21 13:55:13.652079
- Title: MOTCOM: The Multi-Object Tracking Dataset Complexity Metric
- Title（参考訳）: MOTCOM: マルチオブジェクト追跡データセット複雑度メトリクス
- Authors: Malte Pedersen, Joakim Bruslund Haurum, Patrick Dendorfer, Thomas B.
Moeslund
- Abstract要約: マルチオブジェクト追跡(MOT)シーケンスの複雑さを記述するための包括的な指標は存在しない。
提案手法は,MOTの重要な問題にインスパイアされた3つのサブメトリックを組み合わせた,MOTデータセット複雑性メトリック(MOTCOM)を提案する。
MOTCOMの洞察は、トラッカーのパフォーマンスに関する微妙な議論を開き、新しいコントリビューションの広範な承認につながる可能性がある。
- 参考スコア（独自算出の注目度）: 28.80307771303852
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: There exists no comprehensive metric for describing the complexity of
Multi-Object Tracking (MOT) sequences. This lack of metrics decreases
explainability, complicates comparison of datasets, and reduces the
conversation on tracker performance to a matter of leader board position. As a
remedy, we present the novel MOT dataset complexity metric (MOTCOM), which is a
combination of three sub-metrics inspired by key problems in MOT: occlusion,
erratic motion, and visual similarity. The insights of MOTCOM can open nuanced
discussions on tracker performance and may lead to a wider acknowledgement of
novel contributions developed for either less known datasets or those aimed at
solving sub-problems. We evaluate MOTCOM on the comprehensive MOT17, MOT20, and
MOTSynth datasets and show that MOTCOM is far better at describing the
complexity of MOT sequences compared to the conventional density and number of
tracks. Project page at https://vap.aau.dk/motcom
- Abstract（参考訳）: マルチオブジェクト追跡(MOT)シーケンスの複雑さを記述するための包括的な指標は存在しない。
このメトリクスの欠如は説明可能性を減らし、データセットの比較を複雑にし、トラッカのパフォーマンスに関する会話をリーダーボードの立場に還元する。
この手法は,MOTにおける重要な問題であるオクルージョン,不規則動作,視覚的類似性から着想を得た3つのサブメトリックを組み合わせた,新しいMOTデータセット複雑性メトリクス(MOTCOM)を提案する。
MOTCOMの洞察は、トラッカーのパフォーマンスに関する微妙な議論を開き、あまり知られていないデータセットやサブプロブレムの解決を目的とした新しいコントリビューションが広く認められる可能性がある。
総合的なMOT17, MOT20, MOTSynthデータセット上でMOTCOMを評価し、MOTCOMが従来の密度とトラック数と比較してMOTシーケンスの複雑さを記述するのに優れていることを示す。
プロジェクトページ: https://vap.aau.dk/motcom
関連論文リスト
- MCTrack: A Unified 3D Multi-Object Tracking Framework for Autonomous Driving [10.399817864597347]
本稿では,KITTI, nuScenes, データセット間でのSOTA(State-of-the-art)性能を実現する3Dマルチオブジェクトトラッキング手法であるMCTrackを紹介する。
論文 参考訳（メタデータ） (2024-09-23T11:26:01Z) - Temporal Correlation Meets Embedding: Towards a 2nd Generation of JDE-based Real-Time Multi-Object Tracking [52.04679257903805]
共同検出・埋め込み(JDE)トラッカーは多目的追跡(MOT)タスクにおいて優れた性能を示した。
TCBTrackという名前のトラッカーは、複数の公開ベンチマークで最先端のパフォーマンスを実現しています。
論文 参考訳（メタデータ） (2024-07-19T07:48:45Z) - Multiple Toddler Tracking in Indoor Videos [9.006971650287557]
複数の幼児追跡(MTT)は、ビデオ映像中の幼児の識別と識別を含む。
従来のマルチオブジェクト追跡(MOT)アルゴリズムは多様なオブジェクトの追跡に適しているが、幼児には固有の課題がある。
本稿では,DeepSortアルゴリズムに基づくカスタマイズ手法MTTSortを提案する。
論文 参考訳（メタデータ） (2023-11-29T14:19:14Z) - SparseTrack: Multi-Object Tracking by Performing Scene Decomposition
based on Pseudo-Depth [84.64121608109087]
2次元画像から目標の相対的な深さを求めるための擬似深度推定法を提案する。
次に,得られた深度情報を用いて,高密度なターゲットセットを複数のスパースなターゲットサブセットに変換するディープカスケードマッチング(DCM)アルゴリズムを設計する。
擬似深度法とDCM戦略をデータアソシエーションプロセスに統合することにより、SparseTrackと呼ばれる新しいトラッカーを提案する。
論文 参考訳（メタデータ） (2023-06-08T14:36:10Z) - Z-GMOT: Zero-shot Generic Multiple Object Tracking [8.878331472995498]
マルチオブジェクト追跡(MOT)は、事前知識や事前定義されたカテゴリに依存するような制限に直面している。
これらの問題に対処するため、ジェネリック・マルチプル・オブジェクト・トラッキング(GMOT)が代替アプローチとして登場した。
我々は,初期バウンディングボックスや事前定義されたカテゴリを必要とせずに,テキストに表示されるカテゴリからオブジェクトを追跡する,最先端追跡ソリューションである$mathttZ-GMOT$を提案する。
論文 参考訳（メタデータ） (2023-05-28T06:44:33Z) - SMILEtrack: SiMIlarity LEarning for Occlusion-Aware Multiple Object
Tracking [20.286114226299237]
本稿では,SLM(Siamese Network-based similarity Learning Module)を用いたオブジェクトトラッカーSMILEtrackを紹介する。
SLMは2つのオブジェクト間の外観類似性を計算し、分離検出および埋め込みモデルにおける特徴記述子の制限を克服する。
第2に、連続するビデオフレーム間の堅牢なオブジェクトマッチングのための新しいGATE関数を備えた類似マッチングカスケード(SMC)モジュールを開発する。
論文 参考訳（メタデータ） (2022-11-16T10:49:48Z) - EnsembleMOT: A Step towards Ensemble Learning of Multiple Object
Tracking [18.741196817925534]
複数オブジェクト追跡(MOT)は近年急速に進歩している。
そこで我々は,EnsembleMOTと呼ばれるMOTのためのシンプルだが効果的なアンサンブル手法を提案する。
本手法はモデル非依存であり,学習手順は不要である。
論文 参考訳（メタデータ） (2022-10-11T09:18:01Z) - Tracking Every Thing in the Wild [61.917043381836656]
我々は,新しい測定基準であるTrack Every Thing Accuracy(TETA)を導入し,測定結果を3つのサブファクター(ローカライゼーション,アソシエーション,分類)に分割する。
実験の結果、TETAはトラッカーをより包括的に評価し、TETerはBDD100KとTAOに挑戦する大規模データセットを大幅に改善することがわかった。
論文 参考訳（メタデータ） (2022-07-26T15:37:19Z) - Probabilistic Tracklet Scoring and Inpainting for Multiple Object
Tracking [83.75789829291475]
本稿では,トラックレット提案の確率的自己回帰運動モデルを提案する。
これは、我々のモデルを訓練して、自然のトラックレットの基盤となる分布を学習することで達成される。
我々の実験は、挑戦的なシーケンスにおける物体の追跡におけるアプローチの優位性を実証している。
論文 参考訳（メタデータ） (2020-12-03T23:59:27Z) - 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) - SoDA: Multi-Object Tracking with Soft Data Association [75.39833486073597]
マルチオブジェクトトラッキング(MOT)は、自動運転車の安全な配備の前提条件である。
観測対象間の依存関係をエンコードするトラック埋め込みの計算に注目するMOTに対する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2020-08-18T03:40:25Z)
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。