論文の概要: RT-MOT: Confidence-Aware Real-Time Scheduling Framework for Multi-Object Tracking Tasks

• arxiv url: http://arxiv.org/abs/2210.11946v1
• Date: Wed, 19 Oct 2022 14:31:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-24 16:24:04.464818
• Title: RT-MOT: Confidence-Aware Real-Time Scheduling Framework for Multi-Object Tracking Tasks
• Title（参考訳）: rt-mot:マルチオブジェクト追跡タスクのための信頼度対応リアルタイムスケジューリングフレームワーク
• Authors: Donghwa Kang, Seunghoon Lee, Hoon Sung Chwa, Seung-Hwan Bae, Chang Mook Kang, Jinkyu Lee and Hyeongboo Baek
• Abstract要約: 自動運転車のようなリアルタイムシステムは、限られた計算資源の下でMOTの新たな要件を必要とする。 複数のMOTタスクのための新しいシステム設計であるRT-MOTを提案する。 RT-MOTは,既存のトラッキング・バイ・検出手法と比較して,全体のトラッキング精度を最大1.5倍に向上することを示す。
• 参考スコア（独自算出の注目度）: 11.855014390475288
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Different from existing MOT (Multi-Object Tracking) techniques that usually aim at improving tracking accuracy and average FPS, real-time systems such as autonomous vehicles necessitate new requirements of MOT under limited computing resources: (R1) guarantee of timely execution and (R2) high tracking accuracy. In this paper, we propose RT-MOT, a novel system design for multiple MOT tasks, which addresses R1 and R2. Focusing on multiple choices of a workload pair of detection and association, which are two main components of the tracking-by-detection approach for MOT, we tailor a measure of object confidence for RT-MOT and develop how to estimate the measure for the next frame of each MOT task. By utilizing the estimation, we make it possible to predict tracking accuracy variation according to different workload pairs to be applied to the next frame of an MOT task. Next, we develop a novel confidence-aware real-time scheduling framework, which offers an offline timing guarantee for a set of MOT tasks based on non-preemptive fixed-priority scheduling with the smallest workload pair. At run-time, the framework checks the feasibility of a priority-inversion associated with a larger workload pair, which does not compromise the timing guarantee of every task, and then chooses a feasible scenario that yields the largest tracking accuracy improvement based on the proposed prediction. Our experiment results demonstrate that RT-MOT significantly improves overall tracking accuracy by up to 1.5x, compared to existing popular tracking-by-detection approaches, while guaranteeing timely execution of all MOT tasks.
• Abstract（参考訳）: 通常、トラッキング精度と平均FPSを改善することを目的とした既存のMOT(Multi-Object Tracking)技術とは異なり、自動運転車のようなリアルタイムシステムは、限られたコンピューティングリソースの下でMOTの新しい要件を必要とする。 本稿では,RT-MOTを提案する。RT-MOTは複数のMOTタスクのための新しいシステム設計であり,R1とR2に対処する。 motの追跡・検出アプローチの主要な2つの要素であるワークロードペアの検出と関連付けの複数の選択に焦点を当て、rt-motのオブジェクト信頼度の測定を調整し、各motタスクの次のフレームに対する評価方法を開発します。 この推定を利用して,MOTタスクの次のフレームに適用する作業負荷対に応じて,トラッキング精度の変動を予測することができる。 次に,非プリエンプティブ固定優先スケジューリングに基づくmotタスク群に対して,最小のワークロードペアでオフラインのタイミング保証を行う,信頼度対応型リアルタイムスケジューリングフレームワークを開発した。 実行時、フレームワークは、タスク毎のタイミング保証を損なうことなく、より大きなワークロードペアに関連する優先度反転の実現可能性をチェックし、提案する予測に基づいて、最大のトラッキング精度向上をもたらす実現可能なシナリオを選択する。 実験の結果,RT-MOTは全MOTタスクのタイムリー実行を保証しながら,従来のトラッキング・バイ・検出手法に比べて最大1.5倍のトラッキング精度を向上することが示された。

関連論文リスト

• Modelling Concurrent RTP Flows for End-to-end Predictions of QoS in Real Time Communications [5.159808922904932]
  本稿では,QoS(Quality of Service)メトリクスを予測するための新しいディープラーニングフレームワークであるPacket-to-Prediction (P2P)を提案する。 我々は,無制限のRTPフローを処理可能な合理化アーキテクチャを実装し,マルチタスク学習パラダイムを用いて4つの重要なメトリクスを1ショットで予測する。 我々の研究は、実ビデオ通話中に収集された広範囲なトラフィックに基づいており、P2Pは予測性能と時間効率の両方で比較モデルに優れています。
  論文  参考訳（メタデータ） (2024-10-21T10:16:56Z)
• 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)
• Enhancing Multiple Object Tracking Accuracy via Quantum Annealing [0.0]
  複数物体追跡(MOT)は画像認識において重要な課題である。 提案手法はリアルタイムMOTアプリケーションに有意な可能性を秘めている。
  論文  参考訳（メタデータ） (2024-03-27T18:02:23Z)
• 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)
• MTR++: Multi-Agent Motion Prediction with Symmetric Scene Modeling and Guided Intention Querying [110.83590008788745]
  自律運転システムにとって、複雑な運転シナリオを理解し、情報的な決定を下すためには、動きの予測が不可欠である。 本稿では,これらの課題に対処するためのMotion TRansformer (MTR) フレームワークを提案する。 最初のMTRフレームワークは、学習可能な意図クエリを備えたトランスフォーマーエンコーダ-デコーダ構造を利用する。 複数のエージェントに対するマルチモーダル動作を同時に予測するMTR++フレームワークを導入する。
  論文  参考訳（メタデータ） (2023-06-30T16:23:04Z)
• Transformer-based assignment decision network for multiple object tracking [0.0]
  本稿では,データアソシエーションに取り組むトランスフォーマーベースのアサインメント決定ネットワーク(TADN)について,推論中に明示的な最適化を必要とせずに紹介する。 提案手法は,トラッカーとしての単純な性質にもかかわらず,ほとんどの評価指標において最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2022-08-06T19:47:32Z)
• Unified Transformer Tracker for Object Tracking [58.65901124158068]
  異なるシナリオにおけるトラッキング問題に1つのパラダイムで対処するために,UTT(Unified Transformer Tracker)を提案する。 SOT(Single Object Tracking)とMOT(Multiple Object Tracking)の両方を対象とするトラックトランスフォーマーを開発した。
  論文  参考訳（メタデータ） (2022-03-29T01:38:49Z)
• Distractor-Aware Fast Tracking via Dynamic Convolutions and MOT Philosophy [63.91005999481061]
  実用的長期トラッカーは、典型的には3つの重要な特性を含む。 効率的なモデル設計、効果的なグローバル再検出戦略、堅牢な気晴らし認識メカニズム。 動的畳み込み (d-convs) と多重オブジェクト追跡 (MOT) の哲学を用いて, 注意をそらした高速トラッキングを実現するための2タスクトラッキングフレームワーク(DMTrack)を提案する。 我々のトラッカーはLaSOT, OxUvA, TLP, VOT2018LT, VOT 2019LTベンチマークの最先端性能を実現し, リアルタイム3倍高速に動作させる。
  論文  参考訳（メタデータ） (2021-04-25T00:59:53Z)
• Multi-Task Time Series Forecasting With Shared Attention [15.294939035413217]
  マルチタスク時系列予測のための2つの自己注目型共有方式を提案する。 提案アーキテクチャは,最先端の単一タスク予測ベースラインを上回るだけでなく,RNNベースのマルチタスク予測手法よりも優れている。
  論文  参考訳（メタデータ） (2021-01-24T04:25:08Z)
• FairMOT: On the Fairness of Detection and Re-Identification in Multiple Object Tracking [92.48078680697311]
  マルチオブジェクトトラッキング(MOT)はコンピュータビジョンにおいて重要な問題である。 本稿では,FairMOTと呼ばれる,アンカーフリーなオブジェクト検出アーキテクチャCenterNetをベースとした,シンプルかつ効果的なアプローチを提案する。 このアプローチは、検出と追跡の両方において高い精度を達成する。
  論文  参考訳（メタデータ） (2020-04-04T08:18:00Z)
• Confidence Trigger Detection: Accelerating Real-time Tracking-by-detection Systems [1.6037469030022993]
  信頼強化検出(CTD)は、中間状態によく似たフレームのオブジェクト検出を戦略的に回避する革新的な手法である。 CTDは追跡速度を向上するだけでなく、既存の追跡アルゴリズムを超越して精度も維持する。 本実験はCTDフレームワークの堅牢性と汎用性を実証し,資源制約環境におけるリアルタイムトラッキングの実現の可能性を示した。
  論文  参考訳（メタデータ） (2019-02-02T01:52:53Z)

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。