論文の概要: BackTrack: Robust template update via Backward Tracking of candidate template

• arxiv url: http://arxiv.org/abs/2308.10604v1
• Date: Mon, 21 Aug 2023 10:00:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-22 14:10:08.673304
• Title: BackTrack: Robust template update via Backward Tracking of candidate template
• Title（参考訳）: BackTrack: 候補テンプレートの後方追跡によるロバストテンプレートのアップデート
• Authors: Dongwook Lee, Wonjun Choi, Seohyung Lee, ByungIn Yoo, Eunho Yang, Seongju Hwang
• Abstract要約: BackTrackは一般的なテンプレート更新スキームであり、テンプレートベースのトラッカーに適用できる。 BackTrackは、過去のフレームで後方に追跡することで、候補テンプレートの信頼性を定量化する、堅牢で信頼性の高い方法である。
• 参考スコア（独自算出の注目度）: 30.38433988212259
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Variations of target appearance such as deformations, illumination variance, occlusion, etc., are the major challenges of visual object tracking that negatively impact the performance of a tracker. An effective method to tackle these challenges is template update, which updates the template to reflect the change of appearance in the target object during tracking. However, with template updates, inadequate quality of new templates or inappropriate timing of updates may induce a model drift problem, which severely degrades the tracking performance. Here, we propose BackTrack, a robust and reliable method to quantify the confidence of the candidate template by backward tracking it on the past frames. Based on the confidence score of candidates from BackTrack, we can update the template with a reliable candidate at the right time while rejecting unreliable candidates. BackTrack is a generic template update scheme and is applicable to any template-based trackers. Extensive experiments on various tracking benchmarks verify the effectiveness of BackTrack over existing template update algorithms, as it achieves SOTA performance on various tracking benchmarks.
• Abstract（参考訳）: 目標視認性の変化, 照度変化, 閉塞などの変化は, トラッカーの性能に悪影響を及ぼす視覚的物体追跡の大きな課題である。 このような課題に取り組む効果的な方法はテンプレート更新であり、追跡中の対象オブジェクトの外観の変化を反映してテンプレートを更新する。 しかし、テンプレート更新、新しいテンプレートの品質の不十分、あるいはアップデートの不適切なタイミングは、モデルドリフトの問題を引き起こす可能性があるため、トラッキング性能が著しく低下する。 本稿では,過去のフレームを後方追跡することにより,候補テンプレートの信頼性を定量化するロバストで信頼性の高いバックトラックを提案する。 BackTrackの候補の信頼性スコアに基づいて、信頼できない候補を拒絶しながら、正しいタイミングで信頼できる候補でテンプレートを更新できる。 BackTrackは一般的なテンプレート更新スキームであり、テンプレートベースのトラッカーに適用できる。 様々なトラッキングベンチマークに対する大規模な実験は、既存のテンプレート更新アルゴリズムよりもBackTrackの有効性を検証する。

関連論文リスト

• RTracker: Recoverable Tracking via PN Tree Structured Memory [71.05904715104411]
  本稿では,木構造メモリを用いてトラッカーと検出器を動的に関連付け,自己回復を可能にするRTrackerを提案する。 具体的には,正負と負のターゲットサンプルを時系列に保存し,維持する正負のツリー構造メモリを提案する。 我々の中核となる考え方は、正と負の目標カテゴリーの支持サンプルを用いて、目標損失の信頼性評価のための相対的距離に基づく基準を確立することである。
  論文  参考訳（メタデータ） (2024-03-28T08:54:40Z)
• Autoregressive Queries for Adaptive Tracking with Spatio-TemporalTransformers [55.46413719810273]
  リッチ時間情報は、視覚追跡における複雑なターゲットの出現に不可欠である。 提案手法は,6つの一般的な追跡ベンチマークにおいてトラッカーの性能を向上させる。
  論文  参考訳（メタデータ） (2024-03-15T02:39:26Z)
• ACTrack: Adding Spatio-Temporal Condition for Visual Object Tracking [0.5371337604556311]
  視覚的物体追跡(VOT)において,物体の時間的関係を効果的にモデル化することが重要な課題である 既存の手法は外観に基づく類似性や長期関係モデリングによって追跡され、連続するフレーム間の時間的コンテキストは容易に見過ごされてしまう。 本稿では,大規模な記憶条件を持つ付加的前時間追跡フレームワークであるACTrackについて述べる。このフレームワークは,そのパラメータを凍結することにより,トレーニング済みバックボーンの品質と性能を保ち,トラッキングにおける時間関係をモデル化するためのトレーニング可能な軽量付加性ネットを作成する。 我々は空間的特徴と時間的順序の整合性を確保するための付加的なシアム畳み込みネットワークを設計する。
  論文  参考訳（メタデータ） (2024-02-27T07:34:08Z)
• 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)
• BACTrack: Building Appearance Collection for Aerial Tracking [13.785254511683966]
  Appearance Collection Trackingの構築 オンラインでターゲットテンプレートの動的コレクションを構築し、堅牢なトラッキングを実現するために効率的なマルチテンプレートマッチングを実行する。 BACTrackは、4つの挑戦的な空中トラッキングベンチマークで最高パフォーマンスを達成し、1つのGPU上で87FPSを超える驚くべきスピードを維持している。
  論文  参考訳（メタデータ） (2023-12-11T05:55:59Z)
• Context-aware Visual Tracking with Joint Meta-updating [11.226947525556813]
  本稿では,シーケンス全体に沿った情報を活用することで,両ブランチを共同でメタ更新する,表現空間上のトラッカーを最適化するコンテキスト認識追跡モデルを提案する。 提案手法は,VOT2018におけるEAOスコアの0.514を40FPSの速度で達成し,基礎となるトラッカーの精度とロバスト性を向上できることを示す。
  論文  参考訳（メタデータ） (2022-04-04T14:16:00Z)
• Unsupervised Learning of Accurate Siamese Tracking [68.58171095173056]
  分類枝と回帰枝の両方で時間対応を学習できる新しい教師なし追跡フレームワークを提案する。 トラッカーは、トラッカーネットやLaSOTのような大規模データセット上で、教師なしの手法と同等の性能を発揮する。
  論文  参考訳（メタデータ） (2022-04-04T13:39:43Z)
• Generative Target Update for Adaptive Siamese Tracking [7.662745552551165]
  シームズトラッカーは、検索領域内のオブジェクトをローカライズするためにテンプレート(ターゲットモデル)と類似性マッチングを行う。 文献では、現在のフレームのターゲット探索領域から抽出されるトラッカー出力に基づいてテンプレートを更新するためのいくつかの戦略が提案されている。 本稿では,複数フレームのオブジェクト探索領域から合成テンプレートを生成するため,生成モデルを用いたシームズトラッカーのモデル適応手法を提案する。
  論文  参考訳（メタデータ） (2022-02-21T00:22:49Z)
• Learning Dynamic Compact Memory Embedding for Deformable Visual Object Tracking [82.34356879078955]
  本稿では,セグメント化に基づく変形可能な視覚追跡手法の識別を強化するために,コンパクトなメモリ埋め込みを提案する。 DAVIS 2017ベンチマークでは,D3SやSiamMaskなどのセグメンテーションベースのトラッカーよりも優れている。
  論文  参考訳（メタデータ） (2021-11-23T03:07:12Z)
• AFAT: Adaptive Failure-Aware Tracker for Robust Visual Object Tracking [46.82222972389531]
  Siameseのアプローチは近年、ビジュアルオブジェクト追跡において有望なパフォーマンスを実現している。 Siameseパラダイムは、オンライントラッキングタスクをモデル化するためにワンショット学習を使用し、トラッキングプロセスにおけるオンライン適応を妨げる。 本稿では,コンボリューショナルモジュールとLSTMモジュールをベースとしたフェールアウェアシステムを提案する。
  論文  参考訳（メタデータ） (2020-05-27T23:21:12Z)

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。