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
- 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 [59.283604507093116]
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。
我々は,Bird's-Eye View(BEV)におけるトラッキングを行う,シンプルだが効果的なベースラインであるBEVTrackを提案する。
3つの大規模データセットで最先端のパフォーマンスを実現する。
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) - Monocular Quasi-Dense 3D Object Tracking [99.51683944057191]
周囲の物体の将来の位置を予測し、自律運転などの多くのアプリケーションで観測者の行動を計画するためには、信頼性と正確な3D追跡フレームワークが不可欠である。
移動プラットフォーム上で撮影された2次元画像のシーケンスから,移動物体を時間とともに効果的に関連付け,その全3次元バウンディングボックス情報を推定するフレームワークを提案する。
論文 参考訳(メタデータ) (2021-03-12T15:30:02Z) - 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。