論文の概要: DirectTracker: 3D Multi-Object Tracking Using Direct Image Alignment and Photometric Bundle Adjustment

• arxiv url: http://arxiv.org/abs/2209.14965v1
• Date: Thu, 29 Sep 2022 17:40:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-30 17:30:39.060939
• Title: DirectTracker: 3D Multi-Object Tracking Using Direct Image Alignment and Photometric Bundle Adjustment
• Title（参考訳）: DirectTracker: 直接画像アライメントと光度バンドル調整を用いた3次元多物体追跡
• Authors: Mariia Gladkova, Nikita Korobov, Nikolaus Demmel, Aljo\v{s}a O\v{s}ep, Laura Leal-Taix\'e and Daniel Cremers
• Abstract要約: 直接法は視覚計測とSLAMの応用において優れた性能を示した。 本研究では,3次元物体検出のための短期追跡とスライディングウインドウ光度束調整のための直像アライメントを効果的に組み合わせたフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 41.27664827586102
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Direct methods have shown excellent performance in the applications of visual odometry and SLAM. In this work we propose to leverage their effectiveness for the task of 3D multi-object tracking. To this end, we propose DirectTracker, a framework that effectively combines direct image alignment for the short-term tracking and sliding-window photometric bundle adjustment for 3D object detection. Object proposals are estimated based on the sparse sliding-window pointcloud and further refined using an optimization-based cost function that carefully combines 3D and 2D cues to ensure consistency in image and world space. We propose to evaluate 3D tracking using the recently introduced higher-order tracking accuracy (HOTA) metric and the generalized intersection over union similarity measure to mitigate the limitations of the conventional use of intersection over union for the evaluation of vision-based trackers. We perform evaluation on the KITTI Tracking benchmark for the Car class and show competitive performance in tracking objects both in 2D and 3D.
• Abstract（参考訳）: 直接法は視覚計測とSLAMの応用において優れた性能を示した。 本研究では,3次元多目的追跡の課題に有効性を活用することを提案する。 そこで本研究では,3次元物体検出のための短期追跡とスライディングウインドウ光度束調整を効果的に組み合わせたDirectTrackerを提案する。 オブジェクトの提案はスパース・スライディングウインドウ・ポイントクラウドに基づいて推定され、画像と世界空間の一貫性を確保するために、3Dと2Dのキューを慎重に組み合わせた最適化ベースのコスト関数を用いてさらに洗練される。 本稿では,最近導入された高次追従精度(hota)指標とユニオン類似度尺度上の一般化交点を用いて3次元トラッキングの評価を行い,視覚ベーストラッカの評価におけるユニオン上交差点の使用の制約を軽減することを提案する。 カークラスにおけるKITTIトラッカーの評価を行い、2Dと3Dの両方で追跡対象の競合性能を示す。

関連論文リスト

• TAPVid-3D: A Benchmark for Tracking Any Point in 3D [63.060421798990845]
  我々は,3Dにおける任意の点の追跡作業を評価するための新しいベンチマークTAPVid-3Dを導入する。 このベンチマークは、モノクロビデオから正確な3Dの動きと表面の変形を理解する能力を改善するためのガイドポストとして機能する。
  論文  参考訳（メタデータ） (2024-07-08T13:28:47Z)
• BiTrack: Bidirectional Offline 3D Multi-Object Tracking Using Camera-LiDAR Data [11.17376076195671]
  BiTrackは2D-3D検出融合、初期軌道生成、双方向軌道再最適化のモジュールを含む3D OMOTフレームワークである。 KITTIデータセットを用いた実験結果から,BiTrackは3次元OMOTタスクの最先端性能を精度と効率で達成できることが示された。
  論文  参考訳（メタデータ） (2024-06-26T15:09:54Z)
• S.T.A.R.-Track: Latent Motion Models for End-to-End 3D Object Tracking with Adaptive Spatio-Temporal Appearance Representations [10.46571824050325]
  トラッキング・バイ・アテンションのパラダイムに従って,3次元トラッキングのためのオブジェクト中心のトランスフォーマーベースのフレームワークを提案する。 そこで我々はS.T.A.R.-Trackを提案する。これは新しい潜伏運動モデル(LMM)を用いてオブジェクトクエリを調整し、潜伏空間における視方向や照明条件の変化を考慮に入れている。
  論文  参考訳（メタデータ） (2023-06-30T12:22:41Z)
• An Effective Motion-Centric Paradigm for 3D Single Object Tracking in Point Clouds [50.19288542498838]
  LiDARポイントクラウド(LiDAR SOT)における3Dシングルオブジェクトトラッキングは、自動運転において重要な役割を果たす。 現在のアプローチはすべて、外観マッチングに基づくシームズパラダイムに従っている。 我々は新たな視点からLiDAR SOTを扱うための動き中心のパラダイムを導入する。
  論文  参考訳（メタデータ） (2023-03-21T17:28:44Z)
• 3DMODT: Attention-Guided Affinities for Joint Detection & Tracking in 3D Point Clouds [95.54285993019843]
  本稿では,3次元点雲における複数物体の同時検出と追跡手法を提案する。 本モデルでは,複数のフレームを用いた時間情報を利用してオブジェクトを検出し,一つのネットワーク上で追跡する。
  論文  参考訳（メタデータ） (2022-11-01T20:59:38Z)
• 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)
• A Lightweight and Detector-free 3D Single Object Tracker on Point Clouds [50.54083964183614]
  生のLiDARスキャンにおける物体の点雲は、通常スパースで不完全であるため、正確な目標固有検出を行うのは簡単ではない。 DMTは、複雑な3D検出器の使用を完全に除去する3Dトラッキングネットワークである。
  論文  参考訳（メタデータ） (2022-03-08T17:49:07Z)
• Joint 3D Object Detection and Tracking Using Spatio-Temporal Representation of Camera Image and LiDAR Point Clouds [12.334725127696395]
  カメラとLiDARセンサを用いた3次元物体検出・追跡のための新しい関節物体検出・追跡(DT)フレームワークを提案する。 提案手法は3D DetecJoと呼ばれ、検出器とトラッカーが協調してカメラとLiDARデータの時間表現を生成する。
  論文  参考訳（メタデータ） (2021-12-14T02:38:45Z)
• Monocular Quasi-Dense 3D Object Tracking [99.51683944057191]
  周囲の物体の将来の位置を予測し、自律運転などの多くのアプリケーションで観測者の行動を計画するためには、信頼性と正確な3D追跡フレームワークが不可欠である。 移動プラットフォーム上で撮影された2次元画像のシーケンスから,移動物体を時間とともに効果的に関連付け,その全3次元バウンディングボックス情報を推定するフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-12T15:30:02Z)

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。