Fugu-MT 論文翻訳(概要): PlanarTrack: A Large-scale Challenging Benchmark for Planar Object Tracking

論文の概要: PlanarTrack: A Large-scale Challenging Benchmark for Planar Object Tracking

arxiv url: http://arxiv.org/abs/2303.07625v1
Date: Tue, 14 Mar 2023 04:48:18 GMT
ステータス: 処理完了
システム内更新日: 2023-03-15 16:26:09.503976
Title: PlanarTrack: A Large-scale Challenging Benchmark for Planar Object Tracking
Title（参考訳）: planartrack: 平面オブジェクト追跡のための大規模挑戦ベンチマーク
Authors: Xinran Liu, Xiaoqiong Liu, Ziruo Yi, Xin Zhou, Thanh Le, Libo Zhang, Yan Huang, Qing Yang, Heng Fan
Abstract要約: 平面物体追跡はコンピュータビジョンの重要な問題である。 PlanarTrackは490K以上の画像を持つ1000本のビデオで構成されている。 PlanarTrackは現実のアプリケーションでは難しいが現実的だ。
参考スコア（独自算出の注目度）: 21.111709457786088
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Planar object tracking is a critical computer vision problem and has drawn increasing interest owing to its key roles in robotics, augmented reality, etc. Despite rapid progress, its further development, especially in the deep learning era, is largely hindered due to the lack of large-scale challenging benchmarks. Addressing this, we introduce PlanarTrack, a large-scale challenging planar tracking benchmark. Specifically, PlanarTrack consists of 1,000 videos with more than 490K images. All these videos are collected in complex unconstrained scenarios from the wild, which makes PlanarTrack, compared with existing benchmarks, more challenging but realistic for real-world applications. To ensure the high-quality annotation, each frame in PlanarTrack is manually labeled using four corners with multiple-round careful inspection and refinement. To our best knowledge, PlanarTrack, to date, is the largest and most challenging dataset dedicated to planar object tracking. In order to analyze the proposed PlanarTrack, we evaluate 10 planar trackers and conduct comprehensive comparisons and in-depth analysis. Our results, not surprisingly, demonstrate that current top-performing planar trackers degenerate significantly on the challenging PlanarTrack and more efforts are needed to improve planar tracking in the future. In addition, we further derive a variant named PlanarTrack$_{\mathbf{BB}}$ for generic object tracking from PlanarTrack. Our evaluation of 10 excellent generic trackers on PlanarTrack$_{\mathrm{BB}}$ manifests that, surprisingly, PlanarTrack$_{\mathrm{BB}}$ is even more challenging than several popular generic tracking benchmarks and more attention should be paid to handle such planar objects, though they are rigid. All benchmarks and evaluations will be released at the project webpage.
Abstract（参考訳）: 平面物体追跡はコンピュータビジョンの重要な問題であり、ロボット工学や拡張現実などにおいて重要な役割を担っているため、関心が高まりつつある。急速な進歩にもかかわらず、特にディープラーニング時代におけるさらなる開発は、大規模に挑戦的なベンチマークが欠如しているため、ほとんど妨げられている。そこで我々は,大規模に挑戦する平面追跡ベンチマークであるplanartrackを紹介する。 planartrackは1000本のビデオと490万以上の画像で構成されている。これらのビデオはすべて、PlanarTrackを既存のベンチマークと比較し、現実のアプリケーションではより難しいが現実的な、制約のない複雑なシナリオで収集される。高品質なアノテーションを保証するため、PlanarTrackの各フレームは4つのコーナーを使用して手動でラベル付けされる。私たちの知る限りでは、PlanarTrackはPlanarオブジェクトトラッキングに特化した、最大かつ最も難しいデータセットです。提案したPlanarTrackを解析するために,10個の平面トラッカーを評価し,総合的な比較と詳細な分析を行う。我々の結果は、現在の最高性能プランナートラッカーが、挑戦的なPlanarTrackで著しく劣化し、今後のプランナートラッカーの改善により多くの努力が必要であることを実証している。さらに、PlanarTrack$_{\mathbf{BB}}$という変種を、PlanarTrackからのジェネリックオブジェクト追跡のために導出します。 planartrack$_{\mathrm{bb}}$の10個の優れたジェネリックトラッカーの評価は、驚くほど、いくつかの一般的なジェネリックトラッキングベンチマークよりもさらに困難であり、そのような平面オブジェクトを扱うためにもっと注意を払うべきです。すべてのベンチマークと評価はプロジェクトのWebページでリリースされる。

関連論文リスト

DenseTrack: Drone-based Crowd Tracking via Density-aware Motion-appearance Synergy [33.57923199717605]
ドローンによる群集追跡は、空中からの物体の正確な識別と監視に困難に直面している。これらの課題に対処するために、密度認識追跡(DenseTrack)フレームワークを提案する。 DenseTrackは、群衆のカウントに乗じて、オブジェクトの位置を正確に決定し、視覚とモーションのキューを混ぜて、小規模オブジェクトの追跡を改善する。
論文参考訳（メタデータ） (2024-07-24T13:39:07Z)
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)
Tracking Reflected Objects: A Benchmark [12.770787846444406]
我々は、反射オブジェクトのトラッキングに特化したベンチマークであるTROを紹介します。 TROは、約70,000フレームの200のシーケンスを含み、それぞれにバウンディングボックスを慎重にアノテートする。より強力なベースラインを提供するために,階層的特徴を用いて性能を向上させる新しいトラッカーであるHiP-HaTrackを提案する。
論文参考訳（メタデータ） (2024-07-07T02:22:45Z)
Track Anything Rapter(TAR) [0.0]
Track Anything Rapter (TAR)は、ユーザが提供するマルチモーダルクエリに基づいて、関心のあるオブジェクトを検出し、セグメンテーションし、追跡するように設計されている。 TARは、DINO、CLIP、SAMといった最先端の事前訓練モデルを使用して、クエリされたオブジェクトの相対的なポーズを推定する。本稿では,これらの基礎モデルとカスタム高レベル制御アルゴリズムの統合によって,高度に安定かつ高精度なトラッキングシステムを実現する方法を紹介する。
論文参考訳（メタデータ） (2024-05-19T19:51:41Z)
Tracking with Human-Intent Reasoning [64.69229729784008]
この作業では、新しいトラッキングタスクであるインストラクショントラッキングを提案している。ビデオフレーム内で自動的にトラッキングを実行するようにトラッカーに要求する暗黙の追跡命令を提供する。 TrackGPTは複雑な推論ベースの追跡を行うことができる。
論文参考訳（メタデータ） (2023-12-29T03:22:18Z)
RaTrack: Moving Object Detection and Tracking with 4D Radar Point Cloud [10.593320435411714]
レーダベースのトラッキングに適した革新的なソリューションであるRaTrackを紹介します。本手法は,動き推定モジュールによって強化された動き分割とクラスタリングに焦点を当てる。 RaTrackは移動物体の追跡精度が優れており、最先端の技術をはるかに上回っている。
論文参考訳（メタデータ） (2023-09-18T13:02:29Z)
BEVTrack: A Simple and Strong Baseline for 3D Single Object Tracking in Bird's-Eye View [56.77287041917277]
3Dシングルオブジェクトトラッキング(SOT)はコンピュータビジョンの基本課題であり、自律運転のようなアプリケーションに不可欠なことを証明している。本稿では,単純で効果的なベースライン手法であるBEVTrackを提案する。 Bird's-Eye View (BEV) における目標運動を推定して追跡を行うことにより、BEVTrackは、ネットワーク設計、トレーニング目標、トラッキングパイプラインなど、様々な側面から驚くほどの単純さを示しながら、優れたパフォーマンスを実現している。
論文参考訳（メタデータ） (2023-09-05T12:42:26Z)
PlanT: Explainable Planning Transformers via Object-Level Representations [64.93938686101309]
PlanTは、自動運転のコンテキストにおける計画のための新しいアプローチである。 PlanTは、コンパクトなオブジェクトレベルの入力表現を持つ模倣学習に基づいている。この結果から,PlanTは幾何学的に距離をおいても,現場で最も関連性の高い物体に焦点を合わせることが可能であることが示唆された。
論文参考訳（メタデータ） (2022-10-25T17:59:46Z)
ViKiNG: Vision-Based Kilometer-Scale Navigation with Geographic Hints [94.60414567852536]
長距離航法には、計画と局所的な移動可能性の推論の両方が必要である。学習と計画を統合する学習に基づくアプローチを提案する。 ViKiNGは、画像ベースの学習コントローラを利用できる。
論文参考訳（メタデータ） (2022-02-23T02:14:23Z)
DroTrack: High-speed Drone-based Object Tracking Under Uncertainty [0.23204178451683263]
DroTrackは、ドローンがキャプチャしたビデオシーケンスのための高速なビジュアル単一オブジェクト追跡フレームワークである。ファジィC平均に基づく効果的なオブジェクトセグメンテーションを実装した。また、幾何角運動を利用して信頼度の高い物体スケールを推定する。
論文参考訳（メタデータ） (2020-05-02T13:16:16Z)
Detection and Tracking Meet Drones Challenge [131.31749447313197]
本稿では、オブジェクト検出・追跡データセットとベンチマークのレビューを行い、手動アノテーションによる大規模ドローンによるオブジェクト検出・追跡データセットの収集の課題について論じる。当社のVisDroneデータセットは、中国北部から南部にかけての14の都市部と郊外部で収集されたものです。本稿では,ドローンにおける大規模物体検出・追跡の現場の現状を詳細に分析し,今後の方向性を提案するとともに,課題を結論づける。
論文参考訳（メタデータ） (2020-01-16T00:11:56Z)

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。