論文の概要: Hybrid-SORT: Weak Cues Matter for Online Multi-Object Tracking
- arxiv url: http://arxiv.org/abs/2308.00783v2
- Date: Sat, 20 Jan 2024 08:06:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-23 21:16:08.578867
- Title: Hybrid-SORT: Weak Cues Matter for Online Multi-Object Tracking
- Title(参考訳): Hybrid-SORT: オンラインマルチオブジェクト追跡における弱点
- Authors: Mingzhan Yang, Guangxin Han, Bin Yan, Wenhua Zhang, Jinqing Qi,
Huchuan Lu, Dong Wang
- Abstract要約: Multi-Object Tracking (MOT) は、望まれるすべてのオブジェクトをフレーム間で検出し、関連付けることを目的としている。
本稿では,MOTにおけるこの長期的課題を,弱い手がかりを取り入れることで,効果的かつ効果的に解決できることを実証する。
提案手法は,MOT17,MOT20,特にDanceTrackなど,様々なベンチマークにおいて優れた性能を実現する。
- 参考スコア(独自算出の注目度): 51.16677396148247
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-Object Tracking (MOT) aims to detect and associate all desired objects
across frames. Most methods accomplish the task by explicitly or implicitly
leveraging strong cues (i.e., spatial and appearance information), which
exhibit powerful instance-level discrimination. However, when object occlusion
and clustering occur, spatial and appearance information will become ambiguous
simultaneously due to the high overlap among objects. In this paper, we
demonstrate this long-standing challenge in MOT can be efficiently and
effectively resolved by incorporating weak cues to compensate for strong cues.
Along with velocity direction, we introduce the confidence and height state as
potential weak cues. With superior performance, our method still maintains
Simple, Online and Real-Time (SORT) characteristics. Also, our method shows
strong generalization for diverse trackers and scenarios in a plug-and-play and
training-free manner. Significant and consistent improvements are observed when
applying our method to 5 different representative trackers. Further, with both
strong and weak cues, our method Hybrid-SORT achieves superior performance on
diverse benchmarks, including MOT17, MOT20, and especially DanceTrack where
interaction and severe occlusion frequently happen with complex motions. The
code and models are available at https://github.com/ymzis69/HybridSORT.
- Abstract(参考訳): Multi-Object Tracking (MOT) は、フレーム間で全ての望ましいオブジェクトを検出し、関連付けることを目的としている。
ほとんどの方法は、強力なインスタンスレベルの識別を示す強い手がかり(空間的および外見的情報)を明示的または暗黙的に活用することで、タスクを達成する。
しかし、オブジェクトの閉塞やクラスタリングが発生すると、オブジェクト間の重なりが高いため、空間情報と外観情報が同時に曖昧になる。
本稿では,この長年にわたるmotの課題を,強い手掛かりを補うために弱い手掛かりを組み込むことにより,効率的かつ効果的に解決できることを実証する。
速度方向とともに,信頼度と高さを潜在的な弱指標として導入する。
優れた性能を保ちながら,本手法はシンプル,オンライン,リアルタイム(SORT)特性を保ち続けている。
また,多様なトラッカとシナリオに対して,プラグアンドプレイとトレーニングフリーの方法で強力な一般化を示す。
提案手法を5種類の代表トラッカーに適用した場合, 重要かつ一貫した改善が見られた。
さらに,本手法では,MOT17,MOT20,特にDanceTrackなどの多種多様なベンチマークにおいて,複雑な動作でインタラクションや重大閉塞が発生する場合の優れた性能を実現する。
コードとモデルはhttps://github.com/ymzis69/hybridsortで入手できる。
関連論文リスト
- MotionTrack: Learning Robust Short-term and Long-term Motions for
Multi-Object Tracking [56.92165669843006]
本研究では,短時間から長期間の軌跡を関連づける統合フレームワークで,堅牢な短期・長期動作を学習するMotionTrackを提案する。
密集した群集に対して,各ターゲットの複雑な動きを推定できる,短時間の軌跡から相互作用認識動作を学習するための新しい対話モジュールを設計する。
極端なオクルージョンのために、ターゲットの履歴軌跡から信頼できる長期動作を学習するための新しいRefind Moduleを構築し、中断された軌跡とそれに対応する検出とを関連付けることができる。
論文 参考訳(メタデータ) (2023-03-18T12:38:33Z) - Unifying Short and Long-Term Tracking with Graph Hierarchies [0.0]
統合されたスケーラブルなマルチオブジェクトトラッカーであるSUSHIを紹介する。
我々のアプローチは、長いクリップをサブクリップの階層に分割することで処理し、高いスケーラビリティを実現する。
グラフニューラルネットワークを活用して階層のすべてのレベルを処理します。
論文 参考訳(メタデータ) (2022-12-06T15:12:53Z) - Joint Spatial-Temporal and Appearance Modeling with Transformer for
Multiple Object Tracking [59.79252390626194]
本稿ではTransSTAMという新しい手法を提案する。Transformerを利用して各オブジェクトの外観特徴とオブジェクト間の空間的時間的関係の両方をモデル化する。
提案手法はMOT16, MOT17, MOT20を含む複数の公開ベンチマークで評価され, IDF1とHOTAの両方で明確な性能向上を実現している。
論文 参考訳(メタデータ) (2022-05-31T01:19:18Z) - Distractor-Aware Fast Tracking via Dynamic Convolutions and MOT
Philosophy [63.91005999481061]
実用的長期トラッカーは、典型的には3つの重要な特性を含む。
効率的なモデル設計、効果的なグローバル再検出戦略、堅牢な気晴らし認識メカニズム。
動的畳み込み (d-convs) と多重オブジェクト追跡 (MOT) の哲学を用いて, 注意をそらした高速トラッキングを実現するための2タスクトラッキングフレームワーク(DMTrack)を提案する。
我々のトラッカーはLaSOT, OxUvA, TLP, VOT2018LT, VOT 2019LTベンチマークの最先端性能を実現し, リアルタイム3倍高速に動作させる。
論文 参考訳(メタデータ) (2021-04-25T00:59:53Z) - Online Multiple Object Tracking with Cross-Task Synergy [120.70085565030628]
位置予測と埋め込み結合の相乗効果を考慮した新しい統一モデルを提案する。
この2つのタスクは、時間認識対象の注意と注意の注意、およびアイデンティティ認識メモリ集約モデルによってリンクされる。
論文 参考訳(メタデータ) (2021-04-01T10:19:40Z) - DEFT: Detection Embeddings for Tracking [3.326320568999945]
我々は,DEFT と呼ばれる効率的な関節検出・追跡モデルを提案する。
提案手法は,外見に基づくオブジェクトマッチングネットワークと,下層のオブジェクト検出ネットワークとの協調学習に依存している。
DEFTは2Dオンライントラッキングリーダーボードのトップメソッドに匹敵する精度とスピードを持っている。
論文 参考訳(メタデータ) (2021-02-03T20:00:44Z) - 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) - SoDA: Multi-Object Tracking with Soft Data Association [75.39833486073597]
マルチオブジェクトトラッキング(MOT)は、自動運転車の安全な配備の前提条件である。
観測対象間の依存関係をエンコードするトラック埋め込みの計算に注目するMOTに対する新しいアプローチを提案する。
論文 参考訳(メタデータ) (2020-08-18T03:40:25Z) - Unsupervised Multiple Person Tracking using AutoEncoder-Based Lifted
Multicuts [11.72025865314187]
最小限の視覚的特徴とリフトマルチカットに基づく教師なし多重物体追跡手法を提案する。
提案したアノテーションを使わずにトレーニングされているにもかかわらず,我々のモデルは,歩行者追跡のための挑戦的なMOTベンチマークにおいて,競争力のある結果をもたらすことを示した。
論文 参考訳(メタデータ) (2020-02-04T09:42:34Z)
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。