論文の概要: Group Regression for Query Based Object Detection and Tracking
- arxiv url: http://arxiv.org/abs/2308.14481v1
- Date: Mon, 28 Aug 2023 10:43:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-29 14:20:20.803499
- Title: Group Regression for Query Based Object Detection and Tracking
- Title（参考訳）: クエリに基づくオブジェクト検出と追跡のためのグループ回帰
- Authors: Felicia Ruppel, Florian Faion, Claudius Gl\"aser and Klaus Dietmayer
- Abstract要約: 群回帰は3次元オブジェクト検出において、結合ヘッド内の類似クラスのボックスパラメータを予測するために一般的に用いられる。
クエリベースの認識手法では、これまでのところ、これは実現不可能である。
我々はこのギャップを埋め、既存の注意とクエリに基づく知覚アプローチにマルチクラスグループ回帰を組み込む方法を提案する。
- 参考スコア（独自算出の注目度）: 10.955664492162468
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Group regression is commonly used in 3D object detection to predict box
parameters of similar classes in a joint head, aiming to benefit from
similarities while separating highly dissimilar classes. For query-based
perception methods, this has, so far, not been feasible. We close this gap and
present a method to incorporate multi-class group regression, especially
designed for the 3D domain in the context of autonomous driving, into existing
attention and query-based perception approaches. We enhance a transformer based
joint object detection and tracking model with this approach, and thoroughly
evaluate its behavior and performance. For group regression, the classes of the
nuScenes dataset are divided into six groups of similar shape and prevalence,
each being regressed by a dedicated head. We show that the proposed method is
applicable to many existing transformer based perception approaches and can
bring potential benefits. The behavior of query group regression is thoroughly
analyzed in comparison to a unified regression head, e.g. in terms of
class-switching behavior and distribution of the output parameters. The
proposed method offers many possibilities for further research, such as in the
direction of deep multi-hypotheses tracking.
- Abstract（参考訳）: グループ回帰は3次元オブジェクト検出において、非常に異なるクラスを分離しながら類似性の恩恵を受けるために、結合ヘッド内の類似クラスのボックスパラメータを予測するために一般的に用いられる。
クエリベースの認識手法では、今のところこれは実現不可能である。
我々はこのギャップを埋め、特に自律運転における3次元領域のために設計されたマルチクラスグループ回帰を既存の注意とクエリに基づく知覚アプローチに組み込む方法を提案する。
本手法によりトランスを用いた共同物体検出・追跡モデルを強化し,その挙動と性能を徹底的に評価する。
グループ回帰では、nuscenesデータセットのクラスは、類似した形状と頻度の6つのグループに分けられ、それぞれが専用のヘッドによってレグレッションされる。
提案手法は, 既存の多くのトランスベース知覚手法に適用可能であり, 潜在的メリットをもたらす可能性がある。
クエリグループ回帰の振る舞いは、例えばクラススイッチングの振る舞いや出力パラメータの分布の観点から、統一回帰ヘッドと比較して徹底的に解析される。
提案手法は, 深層マルチハイポテーゼ追跡の方向など, さらなる研究に多くの可能性をもたらす。
関連論文リスト
- Constructing Variables Using Classifiers as an Aid to Regression: An
Empirical Assessment [0.0]
本稿では,初期入力ベクトルに含まれる情報を補完する変数の自動生成手法を提案する。
提案手法を5種類の回帰器を用いて検証し,33種類の回帰データセットで評価した。
論文 参考訳（メタデータ） (2024-03-11T15:44:40Z) - A structured regression approach for evaluating model performance across intersectional subgroups [53.91682617836498]
分散評価(disaggregated evaluation)は、AIフェアネスアセスメントにおける中心的なタスクであり、AIシステムのさまざまなサブグループ間でのパフォーマンスを測定することを目的としている。
非常に小さなサブグループであっても,信頼性の高いシステム性能推定値が得られることを示す。
論文 参考訳（メタデータ） (2024-01-26T14:21:45Z) - Robust Outlier Rejection for 3D Registration with Variational Bayes [70.98659381852787]
我々は、ロバストアライメントのための新しい変分非局所ネットワークベース外乱除去フレームワークを開発した。
そこで本稿では, 投票に基づく不整合探索手法を提案し, 変換推定のための高品質な仮説的不整合をクラスタリングする。
論文 参考訳（メタデータ） (2023-04-04T03:48:56Z) - An ADMM approach for multi-response regression with overlapping groups
and interaction effects [0.0]
我々は新しい正規化回帰法であるMADMMplassoを提案する。
パラメータ推定のために,重なり合うグループを簡単な方法で実装できるADMMアルゴリズムを開発した。
薬理ゲノミクス・スクリーン・データセットのシミュレーションと解析の結果,提案手法は相関応答と相互作用効果の処理に有利であることがわかった。
論文 参考訳（メタデータ） (2023-03-20T14:43:22Z) - Counting Like Human: Anthropoid Crowd Counting on Modeling the
Similarity of Objects [92.80955339180119]
メインストリームの群衆計数法は 密度マップを補強して 計数結果を得るために統合する。
これに触発された我々は,合理的かつ人為的な集団カウントフレームワークを提案する。
論文 参考訳（メタデータ） (2022-12-02T07:00:53Z) - Fusing Local Similarities for Retrieval-based 3D Orientation Estimation
of Unseen Objects [70.49392581592089]
我々は,モノクロ画像から未確認物体の3次元配向を推定する作業に取り組む。
我々は検索ベースの戦略に従い、ネットワークがオブジェクト固有の特徴を学習するのを防ぐ。
また,LineMOD,LineMOD-Occluded,T-LESSのデータセットを用いた実験により,本手法が従来の手法よりもはるかに優れた一般化をもたらすことが示された。
論文 参考訳（メタデータ） (2022-03-16T08:53:00Z) - Parameter Decoupling Strategy for Semi-supervised 3D Left Atrium
Segmentation [0.0]
本稿では,パラメータ分離戦略に基づく半教師付きセグメンテーションモデルを提案する。
提案手法は,Atrial Challengeデータセット上での最先端の半教師付き手法と競合する結果を得た。
論文 参考訳（メタデータ） (2021-09-20T14:51:42Z) - Cluster Regularization via a Hierarchical Feature Regression [0.0]
本稿では,階層的特徴回帰(HFR)という新しいクラスタベース正規化を提案する。
機械学習とグラフ理論の領域からの洞察を動員し、予測セットの教師付き階層表現に沿ってパラメータを推定する。
経済成長予測への応用は、実証的な環境でのHFRの有効性を示すために用いられる。
論文 参考訳（メタデータ） (2021-07-10T13:03:01Z) - Towards Improved and Interpretable Deep Metric Learning via Attentive
Grouping [103.71992720794421]
グループ化は、様々な特徴の計算にディープ・メトリック・ラーニングでよく用いられてきた。
本稿では,任意のメトリクス学習フレームワークと柔軟に統合可能な,改良された解釈可能なグループ化手法を提案する。
論文 参考訳（メタデータ） (2020-11-17T19:08:24Z) - Learning from Aggregate Observations [82.44304647051243]
本研究では,一組のインスタンスに監視信号が与えられる集合観察から学習する問題について検討する。
本稿では,多種多様な集合観測に適合する一般的な確率的枠組みを提案する。
単純な極大解は様々な微分可能なモデルに適用できる。
論文 参考訳（メタデータ） (2020-04-14T06:18:50Z)
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。