論文の概要: Hard to Track Objects with Irregular Motions and Similar Appearances?
Make It Easier by Buffering the Matching Space
- arxiv url: http://arxiv.org/abs/2211.14317v3
- Date: Tue, 7 Nov 2023 13:05:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-08 22:56:10.224109
- Title: Hard to Track Objects with Irregular Motions and Similar Appearances?
Make It Easier by Buffering the Matching Space
- Title（参考訳）: 不規則な動きと類似した外観を持つ物体の追跡は困難か?
マッチングスペースをバッファリングすることで、より簡単に
- Authors: Fan Yang, Shigeyuki Odashima, Shoichi Masui, Shan Jiang
- Abstract要約: 本稿では,不規則な動きと識別不能な外観を持つ物体を追跡できるカスケードバッファリングIoU(C-BIoU)トラッカーを提案する。
その単純さにもかかわらず、我々のC-BIoUトラッカーは驚くほどうまく機能し、MOTデータセットの最先端の結果を得る。
- 参考スコア（独自算出の注目度）: 4.648877159175779
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a Cascaded Buffered IoU (C-BIoU) tracker to track multiple objects
that have irregular motions and indistinguishable appearances. When appearance
features are unreliable and geometric features are confused by irregular
motions, applying conventional Multiple Object Tracking (MOT) methods may
generate unsatisfactory results. To address this issue, our C-BIoU tracker adds
buffers to expand the matching space of detections and tracks, which mitigates
the effect of irregular motions in two aspects: one is to directly match
identical but non-overlapping detections and tracks in adjacent frames, and the
other is to compensate for the motion estimation bias in the matching space. In
addition, to reduce the risk of overexpansion of the matching space, cascaded
matching is employed: first matching alive tracks and detections with a small
buffer, and then matching unmatched tracks and detections with a large buffer.
Despite its simplicity, our C-BIoU tracker works surprisingly well and achieves
state-of-the-art results on MOT datasets that focus on irregular motions and
indistinguishable appearances. Moreover, the C-BIoU tracker is the dominant
component for our 2-nd place solution in the CVPR'22 SoccerNet MOT and ECCV'22
MOTComplex DanceTrack challenges. Finally, we analyze the limitation of our
C-BIoU tracker in ablation studies and discuss its application scope.
- Abstract（参考訳）: 本稿では,不規則な動きと識別不能な外観を持つ複数の物体を追跡するために,カスケードバッファリングIoU(C-BIoU)トラッカーを提案する。
外観特徴が信頼できず、幾何学的特徴が不規則な動きによって混同される場合、従来の多重物体追跡(mot)法を適用すると不十分な結果が得られる。
この問題に対処するために, c-biou trackerは, 検出とトラックのマッチング空間を拡大するためのバッファを追加し, 不規則な動きの影響を2つの面において緩和する。
さらに、マッチング空間の過剰膨張のリスクを低減するために、まず生存中のトラックと検出を小さなバッファでマッチングし、次に不一致のトラックと検出を大きなバッファでマッチングするカスケードマッチングが用いられる。
その単純さにもかかわらず、我々のC-BIoUトラッカーは驚くほどうまく機能し、不規則な動きと識別不能な外観に焦点を当てたMOTデータセットの最先端の結果を達成する。
さらに,C-BIoUトラッカーはCVPR'22 SoccerNet MOTとECCV'22 MOTComplex DanceTrackの課題において,私たちの2位ソリューションの主要なコンポーネントである。
最後に, アブレーション研究におけるc-biou trackerの限界を分析し, その適用範囲について考察する。
関連論文リスト
- 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) - Real-time Multi-Object Tracking Based on Bi-directional Matching [0.0]
本研究では,多目的追跡のための双方向マッチングアルゴリズムを提案する。
ストランド領域はマッチングアルゴリズムで使われ、追跡できないオブジェクトを一時的に保存する。
MOT17チャレンジでは、提案アルゴリズムは63.4%のMOTA、55.3%のIDF1、20.1のFPS追跡速度を達成した。
論文 参考訳（メタデータ） (2023-03-15T08:38:08Z) - 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) - 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) - Probabilistic Tracklet Scoring and Inpainting for Multiple Object
Tracking [83.75789829291475]
本稿では,トラックレット提案の確率的自己回帰運動モデルを提案する。
これは、我々のモデルを訓練して、自然のトラックレットの基盤となる分布を学習することで達成される。
我々の実験は、挑戦的なシーケンスにおける物体の追跡におけるアプローチの優位性を実証している。
論文 参考訳（メタデータ） (2020-12-03T23:59:27Z) - Tracklets Predicting Based Adaptive Graph Tracking [51.352829280902114]
マルチオブジェクト追跡,すなわち textbfTPAGT のための,正確かつエンドツーエンドの学習フレームワークを提案する。
動作予測に基づいて、現在のフレーム内のトラックレットの特徴を再抽出する。
論文 参考訳（メタデータ） (2020-10-18T16:16:49Z) - MAT: Motion-Aware Multi-Object Tracking [9.098793914779161]
本稿では,様々な物体の動作パターンに着目した動き認識トラッキング(MAT)を提案する。
MOT16とMOT17の挑戦的なベンチマークの実験は、我々のMATアプローチが大きなマージンで優れたパフォーマンスを達成することを実証している。
論文 参考訳（メタデータ） (2020-09-10T11:51:33Z) - Appearance-free Tripartite Matching for Multiple Object Tracking [6.165592821539306]
マルチオブジェクト追跡(MOT)は、入力されたビデオから複数のオブジェクトの軌跡を検出する。
既存のアルゴリズムのほとんどはオブジェクトの外観の特異性に依存しており、支配的な二部マッチング方式は速度の滑らかさを無視する。
両部マッチングの不規則な速度問題を回避するために, 外観自由三部マッチングを提案する。
論文 参考訳（メタデータ） (2020-08-09T02:16:44Z) - Dense Scene Multiple Object Tracking with Box-Plane Matching [73.54369833671772]
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タスクである。
密集したシーンにおけるMOT性能を改善するために,Box-Plane Matching (BPM)法を提案する。
3つのモジュールの有効性により、ACM MM Grand Challenge HiEve 2020において、私たちのチームはトラック1のリーダーボードで1位を獲得しました。
論文 参考訳（メタデータ） (2020-07-30T16:39:22Z) - Tracking Road Users using Constraint Programming [79.32806233778511]
本稿では,マルチオブジェクトトラッキング(MOT)問題のトラッキング・バイ・検出パラダイムに見られるデータアソシエーションフェーズに対する制約プログラミング(CP)アプローチを提案する。
提案手法は車両追跡データを用いてテストし,UA-DETRACベンチマークの上位手法よりも優れた結果を得た。
論文 参考訳（メタデータ） (2020-03-10T00:04:32Z)
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。