論文の概要: Tracker Meets Night: A Transformer Enhancer for UAV Tracking
- arxiv url: http://arxiv.org/abs/2303.10951v1
- Date: Mon, 20 Mar 2023 09:18:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-21 16:12:38.810387
- Title: Tracker Meets Night: A Transformer Enhancer for UAV Tracking
- Title（参考訳）: tracker meets night:uav追跡用トランスフォーマーエンハンサー
- Authors: Junjie Ye, Changhong Fu, Ziang Cao, Shan An, Guangze Zheng, Bowen Li
- Abstract要約: 空間チャネルトランスを用いた低照度エンハンサが提案され, 追従手法に先立って接続される。
高レベルタスクを対象としたセマンティックレベルの低照度化を実現するために,新しい空間チャネルアテンションモジュールを提案する。
エンハンスメント工程では、SCTは夜間画像を同時にデノイズし、照明する。
- 参考スコア（独自算出の注目度）: 20.74868878876137
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Most previous progress in object tracking is realized in daytime scenes with
favorable illumination. State-of-the-arts can hardly carry on their superiority
at night so far, thereby considerably blocking the broadening of visual
tracking-related unmanned aerial vehicle (UAV) applications. To realize
reliable UAV tracking at night, a spatial-channel Transformer-based low-light
enhancer (namely SCT), which is trained in a novel task-inspired manner, is
proposed and plugged prior to tracking approaches. To achieve semantic-level
low-light enhancement targeting the high-level task, the novel spatial-channel
attention module is proposed to model global information while preserving local
context. In the enhancement process, SCT denoises and illuminates nighttime
images simultaneously through a robust non-linear curve projection. Moreover,
to provide a comprehensive evaluation, we construct a challenging nighttime
tracking benchmark, namely DarkTrack2021, which contains 110 challenging
sequences with over 100 K frames in total. Evaluations on both the public
UAVDark135 benchmark and the newly constructed DarkTrack2021 benchmark show
that the task-inspired design enables SCT with significant performance gains
for nighttime UAV tracking compared with other top-ranked low-light enhancers.
Real-world tests on a typical UAV platform further verify the practicability of
the proposed approach. The DarkTrack2021 benchmark and the code of the proposed
approach are publicly available at https://github.com/vision4robotics/SCT.
- Abstract（参考訳）: オブジェクトトラッキングのこれまでのほとんどの進歩は、昼間のシーンで良い照明で実現されている。
最先端の航空機は夜間での優位性を維持できないため、視覚追跡関連無人航空機(uav)の応用が大幅に禁止されている。
夜間における信頼性の高いUAVトラッキングを実現するために,新しいタスクインスパイアされた方法で訓練された空間チャネルトランスフォーマーベースの低照度エンハンサ(SCT)を提案し,追跡手法に先立って接続する。
高レベルタスクを対象とした意味レベル低光度強調を実現するために,局所的コンテキストを維持しながらグローバル情報をモデル化する新しい空間チャネルアテンションモジュールを提案する。
強化過程において、SCTは頑健な非線形曲線投影により夜間画像を同時にノイズ化し、照明する。
さらに,包括的評価を行うために,100kフレーム以上からなる110個のチャレンジシーケンスを含む,夜間追跡ベンチマークであるdarktrack2021を構築した。
パブリックなUAVDark135ベンチマークと新たに構築されたDarkTrack2021ベンチマークによる評価は、タスクにインスパイアされた設計により、他のトップランクの低照度エンハンサーと比較して、夜間のUAVトラッキングにおいて大きなパフォーマンス向上を実現していることを示している。
典型的なUAVプラットフォームにおける実世界のテストは、提案手法の実践性をさらに検証する。
DarkTrack2021ベンチマークと提案されたアプローチのコードはhttps://github.com/vision4robotics/SCTで公開されている。
関連論文リスト
- A Cross-Scene Benchmark for Open-World Drone Active Tracking [54.235808061746525]
Drone Visual Active Trackingは、視覚的な観察に基づいてモーションシステムを制御することで、対象物を自律的に追跡することを目的としている。
DATと呼ばれるオープンワールドドローンアクティブトラッキングのためのクロスシーンクロスドメインベンチマークを提案する。
また、R-VATと呼ばれる強化学習に基づくドローン追跡手法を提案する。
論文 参考訳（メタデータ） (2024-12-01T09:37:46Z) - NT-VOT211: A Large-Scale Benchmark for Night-time Visual Object Tracking [21.897255266278275]
本稿では,夜間における視覚的物体追跡アルゴリズムの評価のための新しいベンチマークであるNT-VOT211を提案する。
NT-VOT211は211の多様なビデオで構成されており、カメラモーション、変形、高速モーション、動きのぼやけ、小さなターゲット、邪魔者、オクルージョン、外見など8つの属性を持つ211,000の良質なアノテートフレームを提供している。
これは、これまでで最大の夜間トラッキングベンチマークであり、特に、夜間トラッキングシナリオに固有の、視界の悪さ、画像のぼやけ、イントラクタといった、ユニークな課題に対処するように設計されている。
論文 参考訳（メタデータ） (2024-10-27T12:19:48Z) - Enhancing Nighttime UAV Tracking with Light Distribution Suppression [6.950880335490385]
本研究は,光分布抑制による夜間UAV追跡を向上する新しいエンハンサー,LDEnhancerを提案する。
具体的には、光配信情報と画像コンテンツ情報とを分解する新規な画像コンテンツ改善モジュールを開発する。
NAT2024-2という不均一な光分布を持つ夜間UAV追跡データセットは、包括的な評価を提供するために構築されている。
論文 参考訳（メタデータ） (2024-09-25T05:19:35Z) - Dense Optical Tracking: Connecting the Dots [82.79642869586587]
DOTは、ビデオにおけるポイントトラッキングの問題を解決するための、新しくてシンプルで効率的な方法である。
OmniMotionのような高度な"ユニバーサルトラッカー"を上回り、CoTrackerのような最良のポイントトラッキングアルゴリズムと同等か、あるいはそれ以上の精度で、DOTが現在の光フロー技術よりもはるかに正確であることを示す。
論文 参考訳（メタデータ） (2023-12-01T18:59:59Z) - DCPT: Darkness Clue-Prompted Tracking in Nighttime UAVs [53.64523622330297]
既存の夜間無人航空機(UAV)トラッカーは"Enhance-then-Track"アーキテクチャに従っている。
この分離された拡張と追跡は、エンドツーエンドのトレーニング可能な視覚システムを構築するのに失敗する。
本研究では,夜間の強靭なUAV追跡を効率よく学習し,暗黒手がかりを生成できるDarkness Clue-Prompted Tracking (DCPT)を提案する。
論文 参考訳（メタデータ） (2023-09-19T09:59:08Z) - Improving Underwater Visual Tracking With a Large Scale Dataset and
Image Enhancement [70.2429155741593]
本稿では,水中ビジュアルオブジェクト追跡(UVOT)のための新しいデータセットと汎用トラッカ拡張手法を提案する。
水中環境は、一様でない照明条件、視界の低さ、鋭さの欠如、コントラストの低さ、カモフラージュ、懸濁粒子からの反射を示す。
本研究では,追尾品質の向上に特化して設計された水中画像強調アルゴリズムを提案する。
この手法により、最先端(SOTA)ビジュアルトラッカーの最大5.0%のAUCの性能が向上した。
論文 参考訳（メタデータ） (2023-08-30T07:41:26Z) - AVisT: A Benchmark for Visual Object Tracking in Adverse Visibility [125.77396380698639]
AVisTは、視認性の悪いさまざまなシナリオにおける視覚的トラッキングのためのベンチマークである。
AVisTは、80kの注釈付きフレームを持つ120の挑戦的なシーケンスで構成されており、18の多様なシナリオにまたがっている。
我々は、属性間でのトラッキング性能を詳細に分析し、AVisTで17の人気のトラッカーと最近のトラッカーをベンチマークした。
論文 参考訳（メタデータ） (2022-08-14T17:49:37Z) - Unsupervised Domain Adaptation for Nighttime Aerial Tracking [27.595253191781904]
本研究は、夜間航空追跡のための新しい教師なしドメイン適応フレームワークを開発する。
ユニークなオブジェクト発見アプローチが提供され、生の夜間追跡ビデオからトレーニングパッチを生成する。
Transformerの昼夜の特徴判別器では、昼夜追跡モデルは夜間追跡のために逆向きに訓練される。
論文 参考訳（メタデータ） (2022-03-20T12:35:09Z) - DarkLighter: Light Up the Darkness for UAV Tracking [14.901582782711627]
本研究は低照度画像エンハンサーであるDarkLighterを提案する。
ライトウェイトマップ推定ネットワーク、すなわちME-Netは、照明マップとノイズマップを共同で効率的に推定するために訓練される。
いくつかのSOTAトラッカーで多数のUAVダークトラッキングシーンで実験が行われた。
論文 参考訳（メタデータ） (2021-07-30T01:37:24Z) - All-Day Object Tracking for Unmanned Aerial Vehicle [19.10142725484355]
本研究は,照明適応とアンチダーク機能を備えた新しい相関フィルタベースのトラッカー,adtrackを提案する。
ADTrackは画像照度情報を利用して、与えられた光条件へのモデルの適応性を実現する。
この作業はまた、UAVの夜間追跡ベンチマークであるUAVDark135を構築し、125k以上の手動アノテートフレームで構成された。
論文 参考訳（メタデータ） (2021-01-21T05:12:37Z) - Robust Visual Object Tracking with Two-Stream Residual Convolutional
Networks [62.836429958476735]
視覚追跡のための2ストリーム残差畳み込みネットワーク(TS-RCN)を提案する。
私たちのTS-RCNは、既存のディープラーニングベースのビジュアルトラッカーと統合することができます。
トラッキング性能をさらに向上するため、我々はResNeXtを特徴抽出バックボーンとして採用する。
論文 参考訳（メタデータ） (2020-05-13T19:05:42Z)
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。