論文の概要: TrackFlow: Multi-Object Tracking with Normalizing Flows
- arxiv url: http://arxiv.org/abs/2308.11513v1
- Date: Tue, 22 Aug 2023 15:40:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-23 17:27:53.534208
- Title: TrackFlow: Multi-Object Tracking with Normalizing Flows
- Title（参考訳）: TrackFlow: 正規化フローによるマルチオブジェクトトラッキング
- Authors: Gianluca Mancusi, Aniello Panariello, Angelo Porrello, Matteo Fabbri,
Simone Calderara, Rita Cucchiara
- Abstract要約: トラッキング・バイ・ディテクトをマルチモーダル・セッティングに拡張することを目的としている。
3D情報の大まかな見積も利用可能であり、他の伝統的なメトリクスとマージする必要がある。
提案手法は,複数のトラッキング・バイ・検出アルゴリズムの性能を継続的に向上させる。
- 参考スコア（独自算出の注目度）: 36.86830078167583
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The field of multi-object tracking has recently seen a renewed interest in
the good old schema of tracking-by-detection, as its simplicity and strong
priors spare it from the complex design and painful babysitting of
tracking-by-attention approaches. In view of this, we aim at extending
tracking-by-detection to multi-modal settings, where a comprehensive cost has
to be computed from heterogeneous information e.g., 2D motion cues, visual
appearance, and pose estimates. More precisely, we follow a case study where a
rough estimate of 3D information is also available and must be merged with
other traditional metrics (e.g., the IoU). To achieve that, recent approaches
resort to either simple rules or complex heuristics to balance the contribution
of each cost. However, i) they require careful tuning of tailored
hyperparameters on a hold-out set, and ii) they imply these costs to be
independent, which does not hold in reality. We address these issues by
building upon an elegant probabilistic formulation, which considers the cost of
a candidate association as the negative log-likelihood yielded by a deep
density estimator, trained to model the conditional joint probability
distribution of correct associations. Our experiments, conducted on both
simulated and real benchmarks, show that our approach consistently enhances the
performance of several tracking-by-detection algorithms.
- Abstract（参考訳）: マルチオブジェクトトラッキングの分野は、トラッキング・バイ・アテンションアプローチの複雑な設計と苦痛を伴うベビーシッターから、そのシンプルさと強い先行性から、トラッキング・バイ・アテンションという古き良きスキーマに再び関心を寄せている。
これを踏まえて,2次元運動手がかり,視覚的外観,ポーズ推定などの異種情報から総合的なコストを計算しなければならないマルチモーダル環境への追跡・バイ・プローブの拡張を目標としている。
より正確には、3D情報の大まかな見積も利用可能であり、他の伝統的なメトリクス(例えばIoU)とマージする必要があるケーススタディに従う。
これを達成するために、最近のアプローチでは、各コストの貢献のバランスをとるために、単純なルールまたは複雑なヒューリスティックを利用する。
しかし、
一 留置セットの調整された過度パラメータの慎重なチューニングが必要であること。
二 これらの費用が独立したものであることを暗示し、現実には成立しない。
本稿では, 正解の条件付き結合確率分布をモデル化するために, 密度推定器によって得られる負の対数類似度として, 候補関係のコストを考慮し, エレガントな確率的定式化を基礎として, この問題に対処する。
シミュレーションと実測値の両方を用いて実験を行った結果,本手法は複数の追従検出アルゴリズムの性能を一貫して向上させることがわかった。
関連論文リスト
- You Only Need Two Detectors to Achieve Multi-Modal 3D Multi-Object Tracking [9.20064374262956]
提案手法は,2次元検出器と3次元検出器のみを用いて,ロバストなトラッキングを実現する。
多くの最先端のTBDベースのマルチモーダルトラッキング手法よりも正確であることが証明されている。
論文 参考訳（メタデータ） (2023-04-18T02:45:18Z) - 3DMODT: Attention-Guided Affinities for Joint Detection & Tracking in 3D
Point Clouds [95.54285993019843]
本稿では,3次元点雲における複数物体の同時検出と追跡手法を提案する。
本モデルでは,複数のフレームを用いた時間情報を利用してオブジェクトを検出し,一つのネットワーク上で追跡する。
論文 参考訳（メタデータ） (2022-11-01T20:59:38Z) - Transformer-based assignment decision network for multiple object
tracking [0.0]
本稿では,データアソシエーションに取り組むトランスフォーマーベースのアサインメント決定ネットワーク(TADN)について,推論中に明示的な最適化を必要とせずに紹介する。
提案手法は,トラッカーとしての単純な性質にもかかわらず,ほとんどの評価指標において最先端の手法よりも優れている。
論文 参考訳（メタデータ） (2022-08-06T19:47:32Z) - An Informative Tracking Benchmark [133.0931262969931]
既存のデータセットと新たに収集されたデータセットの1.2Mフレームのうち7%が、小型かつ情報的追跡ベンチマーク(ITB)である。
1) 課題レベル, 2) 識別力, 3) 外観変化の密度を考慮し, 既存のベンチマークから最も有意義なシーケンスを選択する。
同一データ上で再学習した15の最先端トラッカーの結果を解析することにより,各シナリオ下でのロバストなトラッカーの効果的な手法を決定できる。
論文 参考訳（メタデータ） (2021-12-13T07:56:16Z) - WSSOD: A New Pipeline for Weakly- and Semi-Supervised Object Detection [75.80075054706079]
弱機能および半教師付きオブジェクト検出フレームワーク(WSSOD)を提案する。
エージェント検出器は、まず関節データセット上でトレーニングされ、弱注釈画像上で擬似境界ボックスを予測するために使用される。
提案フレームワークはPASCAL-VOC と MSCOCO のベンチマークで顕著な性能を示し,完全教師付き環境で得られたものと同等の性能を達成している。
論文 参考訳（メタデータ） (2021-05-21T11:58:50Z) - 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) - Robust Ego and Object 6-DoF Motion Estimation and Tracking [5.162070820801102]
本稿では,動的多体視覚計測における高精度な推定と一貫した追跡性を実現するためのロバストな解を提案する。
セマンティック・インスタンスレベルのセグメンテーションと正確な光フロー推定の最近の進歩を活用して、コンパクトで効果的なフレームワークを提案する。
追従点の品質と運動推定精度を向上させる新しい定式化SE(3)運動と光流が導入された。
論文 参考訳（メタデータ） (2020-07-28T05:12:56Z) - Robust Learning Through Cross-Task Consistency [92.42534246652062]
クロスタスク整合性を用いた学習向上のための,広く適用可能な完全計算手法を提案する。
クロスタスク一貫性による学習は,より正確な予測と,アウト・オブ・ディストリビューション・インプットの一般化につながることを観察する。
論文 参考訳（メタデータ） (2020-06-07T09:24:33Z) - Deep Multi-Shot Network for modelling Appearance Similarity in
Multi-Person Tracking applications [0.0]
本稿では、人の観察における外観類似度(MS-DoAS)の測定のためのディープマルチショットニューラルモデルを提案する。
モデルは故意に訓練され、以前のアイデンティティスイッチの存在を管理し、処理されたトラックでの観察を見逃すことができる。
これは、新しい観測が特定の軌道に対応するときの識別能力の高さを示し、ハードテストで97%の分類精度を達成している。
論文 参考訳（メタデータ） (2020-04-07T16:43:35Z) - RetinaTrack: Online Single Stage Joint Detection and Tracking [22.351109024452462]
両タスクがミッションクリティカルな自律運転におけるトラッキング・バイ・検出パラダイムに注目した。
本稿では、一般的な単一ステージのRetinaNetアプローチを改良したRetinaTrackと呼ばれる、概念的にシンプルで効率的な検出と追跡のジョイントモデルを提案する。
論文 参考訳（メタデータ） (2020-03-30T23:46:29Z)
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。