論文の概要: Multi-view Tracking Using Weakly Supervised Human Motion Prediction

• arxiv url: http://arxiv.org/abs/2210.10771v1
• Date: Wed, 19 Oct 2022 17:58:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-20 13:33:55.039054
• Title: Multi-view Tracking Using Weakly Supervised Human Motion Prediction
• Title（参考訳）: 弱教師付き人間の運動予測を用いたマルチビュー追跡
• Authors: Martin Engilberge, Weizhe Liu, Pascal Fua
• Abstract要約: さらに効果的なアプローチは、時間とともに人々の動きを予測し、それらから個々のフレームにおける人々の存在を推定することである、と我々は主張する。 これにより、時間とともに、また1つの時間フレームのビューにわたって一貫性を強制できる。 PETS2009およびWILDTRACKデータセットに対する我々のアプローチを検証するとともに、最先端の手法よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 60.972708589814125
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Multi-view approaches to people-tracking have the potential to better handle occlusions than single-view ones in crowded scenes. They often rely on the tracking-by-detection paradigm, which involves detecting people first and then connecting the detections. In this paper, we argue that an even more effective approach is to predict people motion over time and infer people's presence in individual frames from these. This enables to enforce consistency both over time and across views of a single temporal frame. We validate our approach on the PETS2009 and WILDTRACK datasets and demonstrate that it outperforms state-of-the-art methods.
• Abstract（参考訳）: パーソナライズトラッキングへのマルチビューアプローチは、混み合ったシーンのシングルビューよりもオクルージョンをうまく扱う可能性がある。 彼らはしばしば、まず人々を検知し、次に検出を接続するトラッキング・バイ・検出のパラダイムに頼っている。 本稿では,より効果的なアプローチとして,時間とともに人の動きを予測し,各フレームにおける人の存在を推定することを挙げる。 これにより、時間とともに、単一の時間フレームのビューにわたって一貫性を強制できる。 PETS2009およびWILDTRACKデータセットに対する我々のアプローチを検証するとともに、最先端の手法よりも優れていることを示す。

関連論文リスト

• Tracking Virtual Meetings in the Wild: Re-identification in Multi-Participant Virtual Meetings [0.0]
  遠隔ビデオ会議の参加者を追跡・再同定するための新しい手法を提案する。 本手法は, YOLOをベースラインとしたトラッキング手法と比較して, 誤差率を平均95%削減する。
  論文  参考訳（メタデータ） (2024-09-15T19:37:37Z)
• EarlyBird: Early-Fusion for Multi-View Tracking in the Bird's Eye View [6.093524345727119]
  本研究では,バードアイビューの早期融合により,検出と追跡の両面で高い精度が得られることを示す。 EarlyBirdは最先端の手法より優れており、現在のWildtrackの状態を+4.6 MOTAと+5.6 IDF1で改善している。
  論文  参考訳（メタデータ） (2023-10-20T08:27:21Z)
• Tracking by Associating Clips [110.08925274049409]
  本稿では,オブジェクト関連をクリップワイドマッチングとして扱う方法を検討する。 我々の新しい視点では、1つの長いビデオシーケンスを複数のショートクリップとみなし、そのトラックはクリップ内とクリップ間の両方で実行される。 この新しい手法の利点は2つある。まず、ビデオチャンキングによって中断フレームをバイパスできるため、エラーの蓄積や伝播の追跡に頑健である。 次に、クリップワイドマッチング中に複数のフレーム情報を集約し、現在のフレームワイドマッチングよりも高精度な長距離トラックアソシエーションを実現する。
  論文  参考訳（メタデータ） (2022-12-20T10:33:17Z)
• Joint Multi-Person Body Detection and Orientation Estimation via One Unified Embedding [24.96237908232171]
  本論文では,HBOE問題に多人数で対処するための一段階のエンドツーエンドトレーニング可能なフレームワークを提案する。 本手法は,1つの埋め込みにボックスと方向角の予測を組み込むことで,すべての物体の位置と方向を1つの画像内に共同で推定することができる。
  論文  参考訳（メタデータ） (2022-10-27T16:22:50Z)
• Rank-based verification for long-term face tracking in crowded scenes [0.0]
  混み合った状況下での作業を目的とした,長期的な多面追跡アーキテクチャを提案する。 我々のシステムは、顔検出と顔認識の分野での進歩の恩恵を受け、長期追跡を実現する。
  論文  参考訳（メタデータ） (2021-07-28T11:15:04Z)
• Learning to Track with Object Permanence [61.36492084090744]
  共同物体の検出と追跡のためのエンドツーエンドのトレーニング可能なアプローチを紹介します。 私たちのモデルは、合成データと実データで共同トレーニングされ、KITTIおよびMOT17データセットの最先端を上回ります。
  論文  参考訳（メタデータ） (2021-03-26T04:43:04Z)
• Self-supervised Human Detection and Segmentation via Multi-view Consensus [116.92405645348185]
  本稿では,トレーニング中に幾何学的制約を多視点一貫性という形で組み込むマルチカメラフレームワークを提案する。 本手法は,標準ベンチマークから視覚的に外れた画像に対して,最先端の自己監視的人物検出とセグメンテーション技術に勝ることを示す。
  論文  参考訳（メタデータ） (2020-12-09T15:47:21Z)
• Unsupervised Learning on Monocular Videos for 3D Human Pose Estimation [121.5383855764944]
  コントラッシブな自己教師学習を用いて、シングルビュービデオからリッチな潜伏ベクトルを抽出する。 また,CSSを時間変化の特徴のみに適用すると同時に,入力を再構築し,近辺と遠方の特徴間の段階的な遷移を促すことにより,リッチな潜伏空間が得られることを示す。 本手法は他の教師なしシングルビュー手法よりも優れており,マルチビュー手法の性能と一致している。
  論文  参考訳（メタデータ） (2020-12-02T20:27:35Z)
• Tracking-by-Counting: Using Network Flows on Crowd Density Maps for Tracking Multiple Targets [96.98888948518815]
  State-of-the-art multi-object tracking(MOT)法は、トラッキング・バイ・検出のパラダイムに従っている。 混み合ったシーンに適したMOTパラダイムであるトラッキング・バイ・カウントを提案する。
  論文  参考訳（メタデータ） (2020-07-18T19:51:53Z)
• Unsupervised Multiple Person Tracking using AutoEncoder-Based Lifted Multicuts [11.72025865314187]
  最小限の視覚的特徴とリフトマルチカットに基づく教師なし多重物体追跡手法を提案する。 提案したアノテーションを使わずにトレーニングされているにもかかわらず,我々のモデルは,歩行者追跡のための挑戦的なMOTベンチマークにおいて,競争力のある結果をもたらすことを示した。
  論文  参考訳（メタデータ） (2020-02-04T09:42:34Z)

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。