論文の概要: DARTH: Holistic Test-time Adaptation for Multiple Object Tracking

• arxiv url: http://arxiv.org/abs/2310.01926v1
• Date: Tue, 3 Oct 2023 10:10:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-04 14:59:38.644948
• Title: DARTH: Holistic Test-time Adaptation for Multiple Object Tracking
• Title（参考訳）: DARTH:複数物体追跡のためのホロスティックなテスト時間適応
• Authors: Mattia Segu, Bernt Schiele, Fisher Yu
• Abstract要約: 複数物体追跡(MOT)は、自律運転における知覚システムの基本的構成要素である。 運転システムの安全性の追求にもかかわらず、テスト時間条件における領域シフトに対するMOT適応問題に対する解決策は提案されていない。 我々はMOTの総合的なテスト時間適応フレームワークであるDARTHを紹介する。
• 参考スコア（独自算出の注目度）: 87.72019733473562
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Multiple object tracking (MOT) is a fundamental component of perception systems for autonomous driving, and its robustness to unseen conditions is a requirement to avoid life-critical failures. Despite the urge of safety in driving systems, no solution to the MOT adaptation problem to domain shift in test-time conditions has ever been proposed. However, the nature of a MOT system is manifold - requiring object detection and instance association - and adapting all its components is non-trivial. In this paper, we analyze the effect of domain shift on appearance-based trackers, and introduce DARTH, a holistic test-time adaptation framework for MOT. We propose a detection consistency formulation to adapt object detection in a self-supervised fashion, while adapting the instance appearance representations via our novel patch contrastive loss. We evaluate our method on a variety of domain shifts - including sim-to-real, outdoor-to-indoor, indoor-to-outdoor - and substantially improve the source model performance on all metrics. Code: https://github.com/mattiasegu/darth.
• Abstract（参考訳）: 複数物体追跡(MOT)は自律運転における認識システムの基本的構成要素であり、その不確認条件に対する堅牢性は、生命の危機を回避するための要件である。 運転システムの安全性の追求にもかかわらず、テスト時間条件における領域シフトに対するMOT適応問題の解決策は提案されていない。 しかし、MOTシステムの性質は多様体(オブジェクト検出とインスタンス関連)であり、すべてのコンポーネントを適応させることは自明ではない。 本稿では、ドメインシフトが外見に基づくトラッカーに与える影響を分析し、MOTの総合的なテスト時間適応フレームワークであるDARTHを紹介する。 そこで本研究では, 自己教師ありの方法で物体検出を適応させ, 新たなパッチコントラスト損失によるインスタンス出現表現を適応させる検出一貫性の定式化を提案する。 sim-to-real, out-to-indoor, indoor-to-outdoorなど,様々なドメインシフトについて評価を行い,すべてのメトリクスのソースモデル性能を実質的に改善した。 コード: https://github.com/mattiasegu/darth。

関連論文リスト

• Weakly Supervised Test-Time Domain Adaptation for Object Detection [23.89166024655107]
  監視などの応用では、通常は人間のオペレーターがシステムの操作を監督する。 完全自動適応により達成可能な範囲を超えて、オブジェクト検出の性能を高めるために、テスト時間領域適応に演算子を関与させることを提案する。 提案手法は既存の手法よりも優れており, ループ内テスト時間領域適応の優れた利点を示す。
  論文  参考訳（メタデータ） (2024-07-08T04:44:42Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Domain Adaptation based Object Detection for Autonomous Driving in Foggy and Rainy Weather [44.711384869027775]
  ドメインギャップのため、晴れた天候下で訓練された検出モデルは、霧や雨の条件下ではうまく機能しない可能性がある。 霧や雨の天候下での領域ギャップを埋め、オブジェクト検出の性能を向上させるため、ドメイン適応型オブジェクト検出のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-18T23:06:47Z)
• Adaptable and Interpretable Framework for Novelty Detection in Real-Time IoT Systems [0.609170287691728]
  RAIDアルゴリズムは、データドリフトやモデル開発中に考慮されない変更点などの非定常効果に適応する。 RAIDアルゴリズムは、既存のプロセス自動化インフラストラクチャの変更を必要としないため、異なるドメインにまたがって高度にデプロイできる。
  論文  参考訳（メタデータ） (2023-04-06T09:16:37Z)
• Unsupervised Adaptation from Repeated Traversals for Autonomous Driving [54.59577283226982]
  自動運転車はエンドユーザー環境に一般化し、確実に動作させなければならない。 潜在的な解決策の1つは、エンドユーザの環境から収集されたラベルのないデータを活用することである。 適応過程を監督する信頼性のある信号はターゲット領域に存在しない。 この単純な仮定は、ターゲット領域上の3次元物体検出器の反復的自己学習を可能にする強力な信号を得るのに十分であることを示す。
  論文  参考訳（メタデータ） (2023-03-27T15:07:55Z)
• DuEqNet: Dual-Equivariance Network in Outdoor 3D Object Detection for Autonomous Driving [4.489333751818157]
  まず3次元物体検出ネットワークに等分散の概念を導入するDuEqNetを提案する。 我々のモデルの双対同変は、局所的および大域的両方の同変的特徴を抽出することができる。 本モデルでは, 配向精度が向上し, 予測効率が向上する。
  論文  参考訳（メタデータ） (2023-02-27T08:30:02Z)
• Domain Adaptive Object Detection for Autonomous Driving under Foggy Weather [25.964194141706923]
  本稿では,霧気候下での自律走行のための新しい領域適応型物体検出フレームワークを提案する。 本手法は画像レベルの適応とオブジェクトレベルの適応を両立させ,画像スタイルとオブジェクトの外観における領域差を低減させる。 評価実験の結果,提案手法の有効性と精度が示された。
  論文  参考訳（メタデータ） (2022-10-27T05:09:10Z)
• Cycle and Semantic Consistent Adversarial Domain Adaptation for Reducing Simulation-to-Real Domain Shift in LiDAR Bird's Eye View [110.83289076967895]
  ドメイン適応プロセス中に関心のある小さなオブジェクトの情報を保存するために,事前の意味分類を用いたサイクガンに基づくbevドメイン適応法を提案する。 生成したBEVの品質は,KITTI 3D Object Detection Benchmarkの最先端3Dオブジェクト検出フレームワークを用いて評価されている。
  論文  参考訳（メタデータ） (2021-04-22T12:47:37Z)
• Robust Object Detection via Instance-Level Temporal Cycle Confusion [89.1027433760578]
  物体検出器の分布外一般化を改善するための補助的自己監視タスクの有効性を検討する。 最大エントロピーの原理に触発されて,新しい自己監督タスクであるインスタンスレベル時間サイクル混乱(cycconf)を導入する。 それぞれのオブジェクトに対して、タスクは、ビデオ内の隣接するフレームで最も異なるオブジェクトの提案を見つけ、自己スーパービジョンのために自分自身にサイクルバックすることです。
  論文  参考訳（メタデータ） (2021-04-16T21:35:08Z)
• Detecting Rewards Deterioration in Episodic Reinforcement Learning [63.49923393311052]
  多くのRLアプリケーションでは、トレーニングが終了すると、エージェント性能の劣化をできるだけ早く検出することが不可欠である。 我々は,各エピソードにおける報酬が独立でもなく,同一に分散した,マルコフでもない,エピソード的枠組みを考察する。 平均シフトは、時間信号の劣化(報酬など)に対応する方法で定義し、最適な統計的パワーでこの問題の試行を導出する。
  論文  参考訳（メタデータ） (2020-10-22T12:45:55Z)

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。