論文の概要: Robust Multi-Object Tracking by Marginal Inference

• arxiv url: http://arxiv.org/abs/2208.03727v1
• Date: Sun, 7 Aug 2022 14:04:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-09 13:27:41.021494
• Title: Robust Multi-Object Tracking by Marginal Inference
• Title（参考訳）: 行列推論によるロバスト多対象追跡
• Authors: Yifu Zhang, Chunyu Wang, Xinggang Wang, Wenjun Zeng, Wenyu Liu
• Abstract要約: ビデオにおける多目的追跡は、隣接するフレーム内のオブジェクト間の1対1の割り当てに関する根本的な問題を解決する必要がある。 本稿では,各オブジェクトの限界確率をリアルタイムに計算する効率的な手法を提案する。 MOT17とMOT20ベンチマークで競合する結果を得る。
• 参考スコア（独自算出の注目度）: 92.48078680697311
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-object tracking in videos requires to solve a fundamental problem of one-to-one assignment between objects in adjacent frames. Most methods address the problem by first discarding impossible pairs whose feature distances are larger than a threshold, followed by linking objects using Hungarian algorithm to minimize the overall distance. However, we find that the distribution of the distances computed from Re-ID features may vary significantly for different videos. So there isn't a single optimal threshold which allows us to safely discard impossible pairs. To address the problem, we present an efficient approach to compute a marginal probability for each pair of objects in real time. The marginal probability can be regarded as a normalized distance which is significantly more stable than the original feature distance. As a result, we can use a single threshold for all videos. The approach is general and can be applied to the existing trackers to obtain about one point improvement in terms of IDF1 metric. It achieves competitive results on MOT17 and MOT20 benchmarks. In addition, the computed probability is more interpretable which facilitates subsequent post-processing operations.
• Abstract（参考訳）: ビデオ内のマルチオブジェクトトラッキングは、隣接するフレーム内のオブジェクト間の1対1の割り当てという根本的な問題を解決する必要がある。 ほとんどの方法は、まず特徴距離がしきい値より大きい不可能ペアを破棄し、次にハンガリーのアルゴリズムでオブジェクトをリンクして全体距離を最小化する。 しかし,Re-ID特徴量から計算した距離の分布は動画によって大きく異なる可能性がある。 ですから、不可能なペアを安全に破棄できる最適なしきい値はありません。 この問題に対処するために,各対象に対する限界確率をリアルタイムで計算する効率的な手法を提案する。 限界確率は、元の特徴距離よりもかなり安定な正規化距離と見なすことができる。 その結果、すべてのビデオに単一のしきい値を使うことができます。 このアプローチは一般的なものであり、既存のトラッカーに適用でき、idf1メトリックで約1ポイントの改善が得られる。 MOT17とMOT20ベンチマークで競合する結果を得る。 さらに、計算確率はより解釈可能であり、その後の処理操作が容易になる。

関連論文リスト

• Scalable 3D Registration via Truncated Entry-wise Absolute Residuals [65.04922801371363]
  3ドルの登録アプローチでは、1000万ドル(107ドル)以上のポイントペアを、99%以上のランダムなアウトレイアで処理することができる。 我々はこの手法をTEARと呼び、Trncated Entry-wise Absolute Residualsを演算するoutlier-robust損失を最小限にする。
  論文  参考訳（メタデータ） (2024-04-01T04:43:39Z)
• BASE: Probably a Better Approach to Multi-Object Tracking [0.0]
  他の分野をリードする確率的追跡アルゴリズムは、驚くほどリーダーボードを欠いている。 Re-Idを使わずにMOT17およびMOT20上でSOTA(State-of-the-art)を実現する。
  論文  参考訳（メタデータ） (2023-09-21T12:58:21Z)
• An Oblivious Stochastic Composite Optimization Algorithm for Eigenvalue Optimization Problems [76.2042837251496]
  相補的な合成条件に基づく2つの難解なミラー降下アルゴリズムを導入する。 注目すべきは、どちらのアルゴリズムも、目的関数のリプシッツ定数や滑らかさに関する事前の知識なしで機能する。 本稿では,大規模半確定プログラム上での手法の効率性とロバスト性を示す。
  論文  参考訳（メタデータ） (2023-06-30T08:34:29Z)
• 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)
• A Probabilistic Transformation of Distance-Based Outliers [2.1055643409860743]
  距離に基づくアウトリーチスコアから解釈可能な確率的推定への総称変換について述べる。 この変換はランキング安定であり、通常のデータポイントと外れ値のデータポイントのコントラストを増加させる。 本研究は,広範囲な距離ベース外乱検出手法に一般化する。
  論文  参考訳（メタデータ） (2023-05-16T14:05:30Z)
• Pseudonorm Approachability and Applications to Regret Minimization [73.54127663296906]
  我々は、高次元 $ell_infty$-approachability 問題を、低次元の擬ノルムアプローチ可能性問題に変換する。 我々は、$ell$や他のノルムに対するアプローチ可能性に関する以前の研究に類似した疑似ノルムアプローチ可能性のアルゴリズム理論を開発する。
  論文  参考訳（メタデータ） (2023-02-03T03:19:14Z)
• Real Time Detection Free Tracking of Multiple Objects Via Equilibrium Optimizer [0.951828574518325]
  複数オブジェクト追跡(MOT)は通常、特別なハードウェアとより高い計算を必要とするため、難しい作業である。 平衡アルゴリズム(EO)とオブジェクトの境界ボックスの分解能の低減によるMOTの新しい枠組みを提案する。 実験結果から,EO多対象トラッカーが追従結果を満たすことが確認された。
  論文  参考訳（メタデータ） (2022-05-22T06:04:34Z)
• Nearest Neighbor Search Under Uncertainty [19.225091554227948]
  Nearest Neighbor Search (NNS) は知識表現、学習、推論の中心的なタスクである。 NNSを不確実性(NNSU)下で研究する。
  論文  参考訳（メタデータ） (2021-03-08T20:20:01Z)
• A Video Analysis Method on Wanfang Dataset via Deep Neural Network [8.485930905198982]
  本稿では,スポーツ競技におけるリアルタイム多目的検出機能と,ディープラーニングに基づく公共交通機関における歩行者フロー検出機能について述べる。 提案アルゴリズムに基づいて,主要なテストデータセットとしてwanfangスポーツコンペティションデータセットを採用する。 私たちの作業は、歩行者のフロー検出や歩行者のアラームタスクにも利用できます。
  論文  参考訳（メタデータ） (2020-02-28T04:09:53Z)
• Fast and Robust Comparison of Probability Measures in Heterogeneous Spaces [62.35667646858558]
  本稿では, アンカー・エナジー (AE) とアンカー・ワッサースタイン (AW) 距離を紹介する。 我々の主な貢献は、素案実装が立方体となる対数四重項時間でAEを正確に計算するスイープラインアルゴリズムを提案することである。 AE と AW は,一般的な GW 近似の計算コストのごく一部において,様々な実験環境において良好に動作することを示す。
  論文  参考訳（メタデータ） (2020-02-05T03:09:23Z)

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。