論文の概要: Fast Online and Relational Tracking

• arxiv url: http://arxiv.org/abs/2208.03659v1
• Date: Sun, 7 Aug 2022 07:12:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-09 13:19:25.395426
• Title: Fast Online and Relational Tracking
• Title（参考訳）: 高速オンラインとリレーショナルトラッキング
• Authors: Mohammad Hossein Nasseri, Mohammadreza Babaee, Hadi Moradi, Reshad Hosseini
• Abstract要約: ほとんどのアルゴリズムでは、カメラの動きは無視可能であると考えられており、これは必ずしも真実ではないという強い仮定であり、IDスイッチやターゲットのミスマッチにつながる。 本稿では,カメラの動きを計測し,その効果を除去する手法を提案する。 提案アルゴリズムはMOT17とMOT20のデータセットを用いて評価し,MOT17の最先端性能とMOT20の同等結果を達成する。
• 参考スコア（独自算出の注目度）: 5.868852957948178
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To overcome challenges in multiple object tracking task, recent algorithms use interaction cues alongside motion and appearance features. These algorithms use graph neural networks or transformers to extract interaction features that lead to high computation costs. In this paper, a novel interaction cue based on geometric features is presented aiming to detect occlusion and re-identify lost targets with low computational cost. Moreover, in most algorithms, camera motion is considered negligible, which is a strong assumption that is not always true and leads to ID Switch or mismatching of targets. In this paper, a method for measuring camera motion and removing its effect is presented that efficiently reduces the camera motion effect on tracking. The proposed algorithm is evaluated on MOT17 and MOT20 datasets and it achieves the state-of-the-art performance of MOT17 and comparable results on MOT20. The code is also publicly available.
• Abstract（参考訳）: 複数のオブジェクト追跡タスクの課題を克服するために、最近のアルゴリズムでは、動きと外観の特徴とともにインタラクションキューを使用している。 これらのアルゴリズムはグラフニューラルネットワークやトランスフォーマーを使用して、高い計算コストにつながるインタラクション機能を抽出する。 本稿では, 計算コストの低さにより, 咬合の検出と失われた目標の再同定を目的とした, 幾何学的特徴に基づく新たなインタラクションキューを提案する。 さらに、ほとんどのアルゴリズムでは、カメラの動きは無視できると考えられており、これは必ずしも真とは限らない強い仮定であり、目標のidスイッチやミスマッチにつながる。 本稿では,カメラの動作を計測し,その効果を除去し,トラッキングにおけるカメラの動作効果を効果的に低減する手法を提案する。 提案アルゴリズムはMOT17とMOT20のデータセットを用いて評価し,MOT17の最先端性能とMOT20の同等結果を達成する。 コードも公開されている。

関連論文リスト

• No Identity, no problem: Motion through detection for people tracking [48.708733485434394]
  本稿では,検出のみの監視を行いながら,動きの手がかりを利用する手法を提案する。 提案アルゴリズムは,2つの画像間の2次元運動推定とともに,2つの異なるタイミングで熱マップを検出する。 提案手法は,MOT17およびWILDTRACKデータセット上でのマルチターゲット・シングルビュー・マルチターゲット・トラッキングに対して,最先端の結果を提供する。
  論文  参考訳（メタデータ） (2024-11-25T15:13:17Z)
• 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)
• Exploring Dynamic Transformer for Efficient Object Tracking [58.120191254379854]
  効率的なトラッキングのための動的トランスフォーマーフレームワークであるDyTrackを提案する。 DyTrackは、様々な入力に対して適切な推論ルートを設定することを学習し、利用可能な計算予算をより活用する。 複数のベンチマークの実験では、DyTrackは単一のモデルで有望な速度精度のトレードオフを実現している。
  論文  参考訳（メタデータ） (2024-03-26T12:31:58Z)
• CAMO-MOT: Combined Appearance-Motion Optimization for 3D Multi-Object Tracking with Camera-LiDAR Fusion [34.42289908350286]
  3D Multi-object Track (MOT) は、連続的な動的検出時の一貫性を保証する。 LiDAR法で物体の不規則な動きを正確に追跡することは困難である。 複合外観運動最適化(CAMO-MOT)に基づく新しいカメラ-LiDAR融合3DMOTフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-09-06T14:41:38Z)
• MotionHint: Self-Supervised Monocular Visual Odometry with Motion Constraints [70.76761166614511]
  モノクローナルビジュアル・オドメトリー(VO)のための新しい自己教師型アルゴリズムMotionHintを提案する。 我々のMotionHintアルゴリズムは、既存のオープンソースSSM-VOシステムに容易に適用できる。
  論文  参考訳（メタデータ） (2021-09-14T15:35:08Z)
• Simple online and real-time tracking with occlusion handling [6.80557541703437]
  複数物体追跡はコンピュータビジョンにおいて難しい問題である。 最近のアルゴリズムは、これらの課題を克服するために動きと外観の手がかりを使用する。 新規なオンライン複数オブジェクト追跡アルゴリズムが提示される。
  論文  参考訳（メタデータ） (2021-03-06T16:04:40Z)
• Rethinking the competition between detection and ReID in Multi-Object Tracking [44.59367033562385]
  検出と識別の埋め込みを共同で学習するワンショットモデルは、マルチオブジェクトトラッキング(MOT)において大きな注目を集めている。 本稿では,タスク依存表現をよりよく学習するために,自己関係と相互関係を持つ新しい相互ネットワーク(REN)を提案する。 また,ID埋め込みの関連性を改善するために,意味レベルのミスアライメントを防止するスケールアウェア・アテンション・ネットワーク(SAAN)を導入する。
  論文  参考訳（メタデータ） (2020-10-23T02:44:59Z)
• High Speed Event Camera TRacking [3.8029070240258678]
  イベントカメラは、マイクロ秒の順番に反応時間を持つバイオインスパイアされたセンサーである。 本稿では,25.8g以上の速さで6自由度運動を10kHzで推定できる超高速追従アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-10-06T14:41:06Z)
• 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)
• Tracking Road Users using Constraint Programming [79.32806233778511]
  本稿では,マルチオブジェクトトラッキング(MOT)問題のトラッキング・バイ・検出パラダイムに見られるデータアソシエーションフェーズに対する制約プログラミング(CP)アプローチを提案する。 提案手法は車両追跡データを用いてテストし,UA-DETRACベンチマークの上位手法よりも優れた結果を得た。
  論文  参考訳（メタデータ） (2020-03-10T00:04:32Z)

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。