論文の概要: Deep MDP: A Modular Framework for Multi-Object Tracking
- arxiv url: http://arxiv.org/abs/2310.14294v1
- Date: Sun, 22 Oct 2023 13:17:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-25 00:43:34.297871
- Title: Deep MDP: A Modular Framework for Multi-Object Tracking
- Title(参考訳): Deep MDP: マルチオブジェクト追跡のためのモジュールフレームワーク
- Authors: Abhineet Singh
- Abstract要約: 本稿では,Multi-Object Tracking (MOT) のための高速かつモジュラーなフレームワークを提案する。
Deep MDPには大きなコードベースがあり、コミュニティが新しいアイデアを試したり、簡単に使いやすく、どんなMOTアプリケーションにも適応できるシステムを持つことに役立ちます。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a fast and modular framework for Multi-Object Tracking
(MOT) based on the Markov descision process (MDP) tracking-by-detection
paradigm. It is designed to allow its various functional components to be
replaced by custom-designed alternatives to suit a given application. An
interactive GUI with integrated object detection, segmentation, MOT and
semi-automated labeling is also provided to help make it easier to get started
with this framework. Though not breaking new ground in terms of performance,
Deep MDP has a large code-base that should be useful for the community to try
out new ideas or simply to have an easy-to-use and easy-to-adapt system for any
MOT application. Deep MDP is available at
https://github.com/abhineet123/deep_mdp.
- Abstract(参考訳): 本稿では,Multi-Object Tracking (MOT) のための高速かつモジュール化されたフレームワークを提案する。
様々な機能コンポーネントを、特定のアプリケーションに適したカスタムデザインの代替品に置き換えるように設計されている。
統合オブジェクト検出、セグメンテーション、MOT、半自動ラベリングを備えた対話型GUIも提供される。
パフォーマンス面では新たな基盤を壊さないが、Deep MDPには大きなコードベースがあり、コミュニティが新しいアイデアを試したり、簡単に使いやすく、どんなMOTアプリケーションにも適応できるシステムを持つことに役立ちます。
Deep MDPはhttps://github.com/abhineet123/deep_mdp.comで入手できる。
関連論文リスト
- ReDel: A Toolkit for LLM-Powered Recursive Multi-Agent Systems [39.85101344037394]
ReDelはマルチエージェントシステムを構築するためのツールキットである。
カスタムツールの使用、デリゲートスキーム、イベントベースのロギング、インタラクティブなリプレイをサポートする。
私たちのコード、ドキュメンテーション、およびPyPIパッケージはオープンソースで、MITライセンス下で自由に使用できます。
論文 参考訳(メタデータ) (2024-08-05T05:43:23Z) - Contrastive Learning for Multi-Object Tracking with Transformers [79.61791059432558]
我々は、DETRをインスタンスレベルのコントラスト損失を用いてMOTモデルに変換する方法を示す。
本手法では,検出能力を維持しながらオブジェクトの外観を学習し,オーバーヘッドを少なく抑える。
そのパフォーマンスは、BDD100Kデータセットにおいて、以前の最先端の+2.6 mMOTAを上回っている。
論文 参考訳(メタデータ) (2023-11-14T10:07:52Z) - ReIDTrack: Multi-Object Track and Segmentation Without Motion [18.892491706535793]
我々は,高速検出と外観モデルのみに基づいてSOTAを実現することができるか検討する。
CVPR2023 WADワークショップではMOTSトラックで1位を獲得し,MOTSトラックで2位となった。
論文 参考訳(メタデータ) (2023-08-03T08:53:23Z) - MOTRv2: Bootstrapping End-to-End Multi-Object Tracking by Pretrained
Object Detectors [14.69168925956635]
MOTRv2は、事前訓練されたオブジェクト検出器でエンドツーエンドのマルチオブジェクト追跡をブートストラップするパイプラインである。
ダンストラックでは73.4% HOTAが第1位であり、グループ・ダンス・チャレンジでは第1位にランクインしている。
BDD100Kデータセットで最先端のパフォーマンスに達する。
論文 参考訳(メタデータ) (2022-11-17T18:57:12Z) - PointTAD: Multi-Label Temporal Action Detection with Learnable Query
Points [28.607690605262878]
時間的アクション検出(TAD)は通常、単一のラベルから少数のアクションインスタンスを持つ未トリミングビデオを処理する。
本稿では,マルチラベル・アントリム映像からすべてのアクション・インスタンスをローカライズすることを目的とした,マルチラベル・テンポラル・アクション検出の課題に焦点をあてる。
本稿では,従来のTADからスパースクエリに基づく検出パラダイムを拡張し,PointTADのマルチラベルTADフレームワークを提案する。
論文 参考訳(メタデータ) (2022-10-20T06:08:03Z) - Multi-modal Transformers Excel at Class-agnostic Object Detection [105.10403103027306]
既存の手法では、人間の理解可能な意味論によって支配されるトップダウンの監視信号が欠落していると論じる。
マルチスケール特徴処理と変形可能な自己アテンションを用いた効率よく柔軟なMViTアーキテクチャを開発した。
多様なアプリケーションにおけるMViT提案の重要性を示す。
論文 参考訳(メタデータ) (2021-11-22T18:59:29Z) - Discovery-and-Selection: Towards Optimal Multiple Instance Learning for
Weakly Supervised Object Detection [86.86602297364826]
複数インスタンス学習(DS-MIL)と融合した発見・選択手法を提案する。
我々の提案するDS-MILアプローチは,最先端の性能を報告しながら,ベースラインを一貫して改善することができる。
論文 参考訳(メタデータ) (2021-10-18T07:06:57Z) - Online Multi-Object Tracking and Segmentation with GMPHD Filter and
Mask-based Affinity Fusion [79.87371506464454]
本稿では,インスタンス分割結果を入力として利用するMOTS法を提案する。
提案手法は,ガウス混合確率仮説密度 (GMPHD) フィルタ,階層型データアソシエーション (HDA) モデル,マスクベース親和性融合 (MAF) モデルに基づく。
2つの人気のあるMOTSデータセットの実験では、主要なモジュールがいくつかの改善点を示している。
論文 参考訳(メタデータ) (2020-08-31T21:06:22Z) - Simultaneous Detection and Tracking with Motion Modelling for Multiple
Object Tracking [94.24393546459424]
本稿では,複数の物体の運動パラメータを推定し,共同検出と関連付けを行うディープ・モーション・モデリング・ネットワーク(DMM-Net)を提案する。
DMM-Netは、人気の高いUA-DETRACチャレンジで12.80 @120+ fpsのPR-MOTAスコアを達成した。
また,車両追跡のための大規模な公開データセットOmni-MOTを合成し,精密な接地トルースアノテーションを提供する。
論文 参考訳(メタデータ) (2020-08-20T08:05:33Z) - FastReID: A Pytorch Toolbox for General Instance Re-identification [70.10996607445725]
一般的なインスタンスの再識別は、コンピュータビジョンにおいて非常に重要なタスクである。
我々は、JD AI Researchにおいて広く使われているソフトウェアシステムとしてFastReIDを提示する。
我々は、人物のリID、部分的なリID、クロスドメインのリID、車両のリIDなど、最先端のプロジェクトをいくつか実施してきた。
論文 参考訳(メタデータ) (2020-06-04T03:51:43Z) - pomdp_py: A Framework to Build and Solve POMDP Problems [12.292911365074385]
pomdp_pyはPythonとCythonで書かれた汎用のPOMDPライブラリである。
Pomdp_pyは、大規模な離散的または連続的(PO)MDP問題を記述可能な、シンプルで包括的なインターフェースを備えている。
このライブラリをROSと直感的に統合することで,胴運動ロボットが3Dで物体探索を行えるようにした。
論文 参考訳(メタデータ) (2020-04-21T15:21:00Z)
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。