論文の概要: A Comprehensive Study of Object Tracking in Low-Light Environments
- arxiv url: http://arxiv.org/abs/2312.16250v2
- Date: Wed, 3 Jan 2024 13:59:14 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-04 16:11:55.542513
- Title: A Comprehensive Study of Object Tracking in Low-Light Environments
- Title（参考訳）: 低光環境における物体追跡の包括的研究
- Authors: Anqi Yi and Nantheera Anantrasirichai
- Abstract要約: 本稿では,ノイズ,色不均衡,低コントラストが自動物体追跡装置に与える影響について検討する。
本稿では,低照度化と低照度化を両立させて追尾性能を向上させる手法を提案する。
実験結果から,低照度合成データセットを用いてトレーニングしたトラッカーは,バニラMixFormerとSiam R-CNNより優れていた。
- 参考スコア（独自算出の注目度）: 3.508168174653255
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate object tracking in low-light environments is crucial, particularly
in surveillance and ethology applications. However, achieving this is
significantly challenging due to the poor quality of captured sequences.
Factors such as noise, color imbalance, and low contrast contribute to these
challenges. This paper presents a comprehensive study examining the impact of
these distortions on automatic object trackers. Additionally, we propose a
solution to enhance tracking performance by integrating denoising and low-light
enhancement methods into the transformer-based object tracking system.
Experimental results show that the proposed tracker, trained with low-light
synthetic datasets, outperforms both the vanilla MixFormer and Siam R-CNN.
- Abstract（参考訳）: 低照度環境での正確な物体追跡は、特に監視や倫理学の応用において重要である。
しかし、キャプチャーシーケンスの質が悪いため、これを実現することは極めて難しい。
ノイズ、色の不均衡、低コントラストなどの要因がこれらの課題に寄与する。
本稿では,これらの歪みが自動物体追跡装置に与える影響を包括的に検討する。
さらに,変圧器を用いた物体追跡システムに低照度・低照度化手法を統合することにより,トラッキング性能を向上させる手法を提案する。
実験結果から,低照度合成データセットを用いてトレーニングしたトラッカーは,バニラMixFormerとSiam R-CNNより優れていた。
関連論文リスト
- HUE Dataset: High-Resolution Event and Frame Sequences for Low-Light Vision [16.432164340779266]
低照度条件下での高分解能イベントとフレームシーケンスのコレクションであるHUEデータセットを紹介する。
私たちのデータセットには、屋内、都市景観、トワイライト、夜、運転、制御されたシナリオを含む106のシーケンスが含まれています。
我々は定性評価と定量的評価の両方を用いて、最先端の低照度化と事象に基づく画像再構成手法を評価する。
論文 参考訳（メタデータ） (2024-10-24T21:15:15Z) - Low-Light Object Tracking: A Benchmark [9.798869093713067]
LLOTは、低照度オブジェクト追跡用に特別に設計されたベンチマークである。
LLOTは、合計132Kフレームを持つ269の挑戦的なシーケンスで構成され、それぞれにバウンディングボックスを慎重にアノテートする。
そこで我々は,H-DCPTを提案する。H-DCPT,H-DCPT,H-DCPT,H-DCPT,H-DCPT,H-DCPT,H-DCPT。
論文 参考訳（メタデータ） (2024-08-21T09:27:57Z) - Multi-Object Tracking in the Dark [12.463106088827924]
低照度シーンは、現実世界の応用(例えば、夜間の自動運転と監視)で一般的である
本稿では,暗黒シーンにおける多対象追跡に着目した。
LTrackと呼ばれる低照度多物体追跡手法を提案する。
論文 参考訳（メタデータ） (2024-05-10T17:00:04Z) - Multi-Scale Denoising in the Feature Space for Low-Light Instance Segmentation [2.642212767247493]
低照度画像のインスタンスセグメンテーションはほとんど探索されていない。
提案手法は特徴抽出器に重み付けされた非局所ブロック(wNLB)を実装する。
実世界の騒音特性に対するネットワークの適応性を高めるため,各層に学習可能な重みを導入する。
論文 参考訳（メタデータ） (2024-02-28T13:07:16Z) - Robust Tiny Object Detection in Aerial Images amidst Label Noise [50.257696872021164]
本研究は,ノイズラベル管理下での微小物体検出の問題に対処する。
本稿では,DN-TOD(Denoising Tiny Object Detector)を提案する。
本手法は,1段と2段の両方のオブジェクト検出パイプラインにシームレスに統合できる。
論文 参考訳（メタデータ） (2024-01-16T02:14:33Z) - Advancing Unsupervised Low-light Image Enhancement: Noise Estimation, Illumination Interpolation, and Self-Regulation [55.07472635587852]
低光画像強調(LLIE)技術は、画像の詳細の保存とコントラストの強化に顕著な進歩をもたらした。
これらのアプローチは、動的ノイズを効率的に緩和し、様々な低照度シナリオを収容する上で、永続的な課題に直面する。
まず,低照度画像の雑音レベルを迅速かつ高精度に推定する方法を提案する。
次に、照明と入力の一般的な制約を満たすために、Learningable Illumination Interpolator (LII) を考案する。
論文 参考訳（メタデータ） (2023-05-17T13:56:48Z) - Low-Light Hyperspectral Image Enhancement [90.84144276935464]
本研究は,暗黒領域に隠された空間スペクトル情報を明らかにすることを目的とした,低照度HSI強調タスクに焦点を当てた。
ラプラシアのピラミッドの分解と再構成に基づいて, エンド・ツー・エンドのデータ駆動型低照度HSIエンハンスメント(HSIE)手法を開発した。
定量的評価と視覚効果の両面でのHSIEの有効性と効果を実証した。
論文 参考訳（メタデータ） (2022-08-05T08:45:52Z) - Physics-based Noise Modeling for Extreme Low-light Photography [63.65570751728917]
CMOS光センサの撮像パイプラインにおけるノイズ統計について検討する。
実雑音構造を正確に特徴付けることのできる包括的ノイズモデルを定式化する。
我々のノイズモデルは、学習に基づく低照度復調アルゴリズムのためのリアルなトレーニングデータを合成するのに利用できる。
論文 参考訳（メタデータ） (2021-08-04T16:36:29Z) - Deep Bilateral Retinex for Low-Light Image Enhancement [96.15991198417552]
低照度画像は、低コントラスト、色歪み、測定ノイズによる視界の低下に悩まされる。
本稿では,低照度画像強調のための深層学習手法を提案する。
提案手法は最先端の手法と非常に競合し, 極めて低照度で撮影した画像の処理において, 他に比べて大きな優位性を有する。
論文 参考訳（メタデータ） (2020-07-04T06:26:44Z) - Unsupervised Low-light Image Enhancement with Decoupled Networks [103.74355338972123]
我々は、実世界の低照度画像を教師なしで拡張する2段階のGANベースのフレームワークを学習する。
提案手法は,照度向上と雑音低減の両面から,最先端の教師なし画像強調法より優れる。
論文 参考訳（メタデータ） (2020-05-06T13:37:08Z)
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。