論文の概要: Heteroskedastic Geospatial Tracking with Distributed Camera Networks

• arxiv url: http://arxiv.org/abs/2306.02407v1
• Date: Sun, 4 Jun 2023 16:55:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-06 18:08:10.546426
• Title: Heteroskedastic Geospatial Tracking with Distributed Camera Networks
• Title（参考訳）: 分散カメラネットワークを用いたヘテロスケスティック地空間追跡
• Authors: Colin Samplawski, Shiwei Fang, Ziqi Wang, Deepak Ganesan, Mani Srivastava, Benjamin M. Marlin
• Abstract要約: 本研究では,分散カメラネットワークのデータを用いた空間的物体追跡問題に焦点をあてる。 目的は、物体の位置に関する不確実性とともに、地理空間座標における物体の軌道を予測することである。 本研究では、4台のカメラのネットワークから高精度の地上真理物体の位置と映像データを含む新しい一物体地理空間追跡データセットを提案する。
• 参考スコア（独自算出の注目度）: 15.938635024739845
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual object tracking has seen significant progress in recent years. However, the vast majority of this work focuses on tracking objects within the image plane of a single camera and ignores the uncertainty associated with predicted object locations. In this work, we focus on the geospatial object tracking problem using data from a distributed camera network. The goal is to predict an object's track in geospatial coordinates along with uncertainty over the object's location while respecting communication constraints that prohibit centralizing raw image data. We present a novel single-object geospatial tracking data set that includes high-accuracy ground truth object locations and video data from a network of four cameras. We present a modeling framework for addressing this task including a novel backbone model and explore how uncertainty calibration and fine-tuning through a differentiable tracker affect performance.
• Abstract（参考訳）: 近年,視覚物体追跡が著しい進歩を遂げている。 しかし、この研究の大部分は、単一のカメラのイメージプレーン内の物体を追跡し、予測された物体の位置に関する不確実性を無視している。 本研究では,分散カメラネットワークのデータを用いた地理空間物体追跡問題に焦点をあてる。 目的は、原画像データの集中化を禁止した通信制約を尊重しながら、オブジェクトの位置に関する不確実性とともに、地理空間座標におけるオブジェクトの軌跡を予測することである。 本稿では,4台のカメラのネットワークから得られた高精度な地中物体位置と映像データを含む,新しい物体空間追跡データセットを提案する。 本稿では、新しいバックボーンモデルを含むこの課題に対処するためのモデリングフレームワークを提案し、不確実性校正と微分可能なトラッカーによる微調整がパフォーマンスに与える影響について検討する。

関連論文リスト

• Line-based 6-DoF Object Pose Estimation and Tracking With an Event Camera [19.204896246140155]
  イベントカメラは、高いダイナミックレンジ、低レイテンシ、動きのぼけに対するレジリエンスといった顕著な特性を持っている。 イベントカメラを用いた平面オブジェクトや非平面オブジェクトに対するラインベースロバストポーズ推定と追跡手法を提案する。
  論文  参考訳（メタデータ） (2024-08-06T14:36:43Z)
• CXTrack: Improving 3D Point Cloud Tracking with Contextual Information [59.55870742072618]
  3Dオブジェクトトラッキングは、自律運転など、多くのアプリケーションにおいて重要な役割を果たす。 CXTrackは3次元オブジェクト追跡のためのトランスフォーマーベースのネットワークである。 CXTrackは29FPSで動作しながら最先端のトラッキング性能を実現する。
  論文  参考訳（メタデータ） (2022-11-12T11:29:01Z)
• Object Detection in Aerial Images with Uncertainty-Aware Graph Network [61.02591506040606]
  本稿では,ノードとエッジがオブジェクトによって表現される構造化グラフを用いた,新しい不確実性を考慮したオブジェクト検出フレームワークを提案する。 我々は我々のモデルをオブジェクトDETection(UAGDet)のための不確実性対応グラフネットワークと呼ぶ。
  論文  参考訳（メタデータ） (2022-08-23T07:29:03Z)
• Cross-Camera Trajectories Help Person Retrieval in a Camera Network [124.65912458467643]
  既存の手法では、純粋な視覚的マッチングや時間的制約を考慮することが多いが、カメラネットワークの空間情報は無視する。 本稿では,時間的情報と空間的情報を統合したクロスカメラ生成に基づく歩行者検索フレームワークを提案する。 本手法の有効性を検証するため,最初のカメラ横断歩行者軌跡データセットを構築した。
  論文  参考訳（メタデータ） (2022-04-27T13:10:48Z)
• Multi-Camera Multiple 3D Object Tracking on the Move for Autonomous Vehicles [17.12321292167318]
  オブジェクトの検出と追跡は、カメラのビューにまたがって一貫した結果を達成するなど、新しい課題に対処するために重要である。 本研究は,既存のトラックレットの位置とリンク検出をトラックレットで予測するために,リンク予測を用いた新たなグローバルアソシエーショングラフモデルを提案する。 本モデルは, nuScenes 検出課題における標準3次元物体検出器の検出精度の向上に有効である。
  論文  参考訳（メタデータ） (2022-04-19T22:50:36Z)
• Detecting and Tracking Small and Dense Moving Objects in Satellite Videos: A Benchmark [30.078513715446196]
  オブジェクトの検出と追跡を行うタスクに対して,豊富なアノテーションを付加した大規模衛星ビデオデータセットを構築した。 このデータセットは、ジリン1の衛星コンステレーションによって収集される。 衛星ビデオにおける物体の検出と追跡を行うための最初の公開ベンチマークを確立する。
  論文  参考訳（メタデータ） (2021-11-25T08:01:41Z)
• Learning to Track Object Position through Occlusion [32.458623495840904]
  オクルージョンは、物体検出器やトラッカーが直面する最も重要な課題の1つである。 本稿では,領域ベースビデオオブジェクト検出装置の成功に基づくトラッキング・バイ・検出手法を提案する。 提案手法は,インターネットから収集した家具組立ビデオのデータセットにおいて,優れた結果が得られる。
  論文  参考訳（メタデータ） (2021-06-20T22:29:46Z)
• Learning to Track with Object Permanence [61.36492084090744]
  共同物体の検出と追跡のためのエンドツーエンドのトレーニング可能なアプローチを紹介します。 私たちのモデルは、合成データと実データで共同トレーニングされ、KITTIおよびMOT17データセットの最先端を上回ります。
  論文  参考訳（メタデータ） (2021-03-26T04:43:04Z)
• Self-supervised Segmentation via Background Inpainting [96.10971980098196]
  移動可能なカメラで撮影された単一の画像で、自己教師付き検出とセグメンテーションのアプローチを導入する。 我々は、提案に基づくセグメンテーションネットワークのトレーニングに利用する自己教師付き損失関数を利用する。 本手法は,標準ベンチマークから視覚的に切り離された画像の人間の検出とセグメント化に応用し,既存の自己監督手法より優れていることを示す。
  論文  参考訳（メタデータ） (2020-11-11T08:34:40Z)
• Applying r-spatiogram in object tracking for occlusion handling [16.36552899280708]
  映像追跡の目的は、動画シーケンス内の移動対象を正確に特定し、そのシーケンスの特徴空間内の非ターゲットから目標を識別することである。 本稿では,オブジェクトモデリング,オブジェクト検出とローカライゼーション,モデル更新という,参照モデルの3つの主要コンポーネントで構成される多くのトラッカーの基本概念を用いる。
  論文  参考訳（メタデータ） (2020-03-18T02:42:51Z)
• Asynchronous Tracking-by-Detection on Adaptive Time Surfaces for Event-based Object Tracking [87.0297771292994]
  本稿では,イベントベースのトラッキング・バイ・ディテクト(ETD)手法を提案する。 この目的を達成するために,線形時間決定(ATSLTD)イベント・ツー・フレーム変換アルゴリズムを用いた適応時間曲面を提案する。 提案手法と,従来のカメラやイベントカメラをベースとした7種類のオブジェクト追跡手法と,ETDの2種類のバリエーションを比較した。
  論文  参考訳（メタデータ） (2020-02-13T15:58:31Z)

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。