Fugu-MT 論文翻訳(概要): The Second-place Solution for CVPR 2022 SoccerNet Tracking Challenge

論文の概要: The Second-place Solution for CVPR 2022 SoccerNet Tracking Challenge

arxiv url: http://arxiv.org/abs/2211.13481v1
Date: Thu, 24 Nov 2022 08:58:15 GMT
ステータス: 処理完了
システム内更新日: 2022-11-28 16:26:44.544765
Title: The Second-place Solution for CVPR 2022 SoccerNet Tracking Challenge
Title（参考訳）: CVPR 2022 SoccerNet Tracking Challengeの第2位
Authors: Fan Yang, Shigeyuki Odashima, Shoichi Masui, Shan Jiang
Abstract要約: 方法は主に2つのステップを含む: Cascaded Buffer-IoU (C-BIoU) Trackerを使ったオンラインの短期追跡、および、外観特徴と階層的クラスタリングを用いたオフラインの長期追跡。オンライントラッキングはHOTAスコアを90点近く、オフライントラッキングはHOTAスコアをさらに93.2点改善した。
参考スコア（独自算出の注目度）: 6.388173902438571
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This is our second-place solution for CVPR 2022 SoccerNet Tracking Challenge. Our method mainly includes two steps: online short-term tracking using our Cascaded Buffer-IoU (C-BIoU) Tracker, and, offline long-term tracking using appearance feature and hierarchical clustering. At each step, online tracking yielded HOTA scores near 90, and offline tracking further improved HOTA scores to around 93.2.
Abstract（参考訳）: これはCVPR 2022 SoccerNet Tracking Challengeの2番目のソリューションです。提案手法は主に,カスケードバッファIoU(C-BIoU)トラッカーを用いたオンライン短期追跡と,外観特徴と階層クラスタリングを用いたオフライン長期追跡の2段階を含む。各ステップにおいて、オンライントラッキングはHOTAスコアを90点近く、オフライントラッキングはHOTAスコアをさらに93.2点改善した。

関連論文リスト

Deep HM-SORT: Enhancing Multi-Object Tracking in Sports with Deep Features, Harmonic Mean, and Expansion IOU [0.49998148477760973]
Deep HM-SORTは、新しいオンライン多目的追跡アルゴリズムである。外観と動きのバランスを保ち、IDスワップを著しく減少させる。 2つの大規模公開ベンチマークで最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2024-06-17T20:41:14Z)
SoccerNet 2023 Tracking Challenge -- 3rd place MOT4MOT Team Technical Report [0.552480439325792]
SoccerNet 2023の追跡課題は、サッカー選手とボールの検出と追跡を必要とする。我々は、現在最先端のオンラインマルチオブジェクトトラッカーと、現代のオブジェクト検出装置をプレイヤー追跡に使用しています。提案手法は, HOTAスコア66.27で, SoccerNet 2023の3位を獲得した。
論文参考訳（メタデータ） (2023-08-31T11:51:16Z)
CoTracker: It is Better to Track Together [70.63040730154984]
CoTrackerは、長いビデオシーケンスで多数の2Dポイントを追跡するトランスフォーマーベースのモデルである。関節トラッキングはトラッキング精度とロバスト性を大幅に改善し、CoTrackerはカメラビューの外側に隠された点や点を追跡することができる。
論文参考訳（メタデータ） (2023-07-14T21:13:04Z)
Iterative Scale-Up ExpansionIoU and Deep Features Association for Multi-Object Tracking in Sports [26.33239898091364]
本稿では,スポーツシナリオに対するDeep ExpansionIoU (Deep-EIoU) という,オンラインかつ堅牢な多対象追跡手法を提案する。従来の手法とは異なり、カルマンフィルタの使用を放棄し、スポーツシナリオにおける拡張IoUの反復的なスケールアップと深い特徴を活用して、ロバストなトラッキングを行う。提案手法は,SportsMOTデータセットで77.2%,SportsNet-Trackingデータセットで85.4%を達成し,不規則な動き物体の追跡に顕著な効果を示した。
論文参考訳（メタデータ） (2023-06-22T17:47:08Z)
The Second-place Solution for ECCV 2022 Multiple People Tracking in Group Dance Challenge [6.388173902438571]
主に2つのステップを含む。Cascaded Buffer-IoU(C-BIoU)トラッカーを用いたオンライン短期追跡、外観特徴と階層的クラスタリングを用いたオフライン長期追跡。我々のC-BIoUトラッカーはバッファを追加し、検出とトラックのマッチング空間を拡張します。オンライントラッキングにC-BIoUを使用した後、ReMOTSが導入したオフラインリファインメントを適用した。
論文参考訳（メタデータ） (2022-11-24T10:04:09Z)
Observation Centric and Central Distance Recovery on Sports Player Tracking [24.396926939889532]
本稿では,バスケットボール,サッカー,バレーボールを含む3つのスポーツを対象とした,モーションベースのトラッキングアルゴリズムと3つのポストプロセッシングパイプラインを提案する。本手法は,2022年のSportsmotワークショップ最終リーダーボードで3位にランクインした73.968のHOTAを達成した。
論文参考訳（メタデータ） (2022-09-27T04:48:11Z)
Learning to Track Objects from Unlabeled Videos [63.149201681380305]
本稿では,Unsupervised Single Object Tracker (USOT) をスクラッチから学習することを提案する。教師なしトラッカーと教師なしトラッカーのギャップを狭めるために,3段階からなる効果的な教師なし学習手法を提案する。実験の結果、未ラベルのビデオから得られたUSOTは、最先端の教師なしトラッカーよりも大きなマージンでうまく機能していることがわかった。
論文参考訳（メタデータ） (2021-08-28T22:10:06Z)
Workshop on Autonomous Driving at CVPR 2021: Technical Report for Streaming Perception Challenge [57.647371468876116]
本稿では,現実的な自律運転シナリオのためのリアルタイム2次元物体検出システムについて紹介する。私たちの検出器は、YOLOXと呼ばれる新しい設計のYOLOモデルで構築されています。 Argoverse-HDデータセットでは,検出のみのトラック/トラックで2位を7.8/6.1上回る41.0ストリーミングAPを達成した。
論文参考訳（メタデータ） (2021-07-27T06:36:06Z)
Cascaded Regression Tracking: Towards Online Hard Distractor Discrimination [202.2562153608092]
本稿では,2段階の逐次回帰トラッカーを提案する。第1段階では, 容易に同定可能な負の候補を抽出する。第2段階では、残留するあいまいな硬質試料をダブルチェックするために、離散サンプリングに基づくリッジ回帰を設計する。
論文参考訳（メタデータ） (2020-06-18T07:48:01Z)
Tracking Objects as Points [83.9217787335878]
同時に検出と追跡を同時に行うアルゴリズムは,最先端技術よりもシンプルで,高速で,高精度である。トラッカーであるCenterTrackは、前のフレームから一対のイメージと検出に検出モデルを適用します。 CenterTrackはシンプルで、オンライン(未来を覗くことはない)で、リアルタイムだ。
論文参考訳（メタデータ） (2020-04-02T17:58:40Z)
High-Performance Long-Term Tracking with Meta-Updater [75.80564183653274]
短期的追跡よりも実用的に近いため、長期的視覚追跡が注目されている。ほとんどのトップランクの長期トラッカーはオフラインでトレーニングされたSiameseアーキテクチャを採用しているため、オンライン更新による短期トラッカーの大きな進歩の恩恵を受けることはできない。我々は、重要な問題に対処するために、オフラインでトレーニングされた新しいメタ更新器を提案する: トラッカーは、現在のフレームで更新する準備ができているか?
論文参考訳（メタデータ） (2020-04-01T09:29:23Z)

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。