論文の概要: A fast and gridless ORKA algorithm for tracking moving and deforming objects

• arxiv url: http://arxiv.org/abs/2402.02395v1
• Date: Sun, 4 Feb 2024 08:16:56 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-08 18:45:17.288540
• Title: A fast and gridless ORKA algorithm for tracking moving and deforming objects
• Title（参考訳）: 移動・変形物体追跡のための高速・グリッドレスORKAアルゴリズム
• Authors: Florian Bossmann, Jianwei Ma, Wenze wu
• Abstract要約: 多くの場合、興味の対象はその形や位置をある測定値から別の測定値に変更する。 これは、アルゴリズムが所定の測定値よりも変化するオブジェクトを扱う必要があるため、識別と追跡を複雑にする。 再サンプリング手法を用いてデータの複数の解像度を生成する反復戦略を導入する。
• 参考スコア（独自算出の注目度）: 5.137848847460292
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Identifying objects in given data is a task frequently encountered in many applications. Finding vehicles or persons in video data, tracking seismic waves in geophysical exploration data, or predicting a storm front movement from meteorological measurements are only some of the possible applications. In many cases, the object of interest changes its form or position from one measurement to another. For example, vehicles in a video may change its position or angle to the camera in each frame. Seismic waves can change its arrival time, frequency, or intensity depending on the sensor position. Storm fronts can change its form and position over time. This complicates the identification and tracking as the algorithm needs to deal with the changing object over the given measurements. In a previous work, the authors presented a new algorithm to solve this problem - Object reconstruction using K-approximation (ORKA). The algorithm can solve the problem at hand but suffers from two disadvantages. On the one hand, the reconstructed object movement is bound to a grid that depends on the data resolution. On the other hand, the complexity of the algorithm increases exponentially with the resolution. We overcome both disadvantages by introducing an iterative strategy that uses a resampling method to create multiple resolutions of the data. In each iteration the resolution is increased to reconstruct more details of the object of interest. This way, we can even go beyond the original resolution by artificially upsampling the data. We give error bounds and a complexity analysis of the new method. Furthermore, we analyze its performance in several numerical experiments as well as on real data. We also give a brief introduction on the original ORKA algorithm. Knowledge of the previous work is thus not required.
• Abstract（参考訳）: 与えられたデータ内のオブジェクトの識別は、多くのアプリケーションで頻繁に発生するタスクである。 ビデオデータから車両や人物を見つけ、物理探査データから地震波を追跡したり、気象観測から嵐前線の動きを予測することは、可能な応用のごく一部にすぎない。 多くの場合、興味の対象はその形や位置をある測定値から別の測定値に変更する。 例えば、ビデオの中の車両は、各フレームのカメラの位置や角度を変えることができる。 地震波は、センサーの位置に応じて到着時間、周波数、強度を変えることができる。 ストームフロントは時間とともに形や位置を変えることができる。 これは、アルゴリズムが所定の測定値よりも変化するオブジェクトを扱う必要があるため、識別と追跡を複雑にする。 前回の研究で、著者らはこの問題を解決する新しいアルゴリズム、すなわち K-approximation (ORKA) を用いたオブジェクト再構成を提案した。 このアルゴリズムは手作業で問題を解決できるが、2つの欠点がある。 一方、再構成されたオブジェクトの動きは、データ解像度に依存するグリッドに縛られている。 一方,アルゴリズムの複雑性は分解能とともに指数関数的に増大する。 我々は,データの多重解像度を生成するために,再サンプリング手法を用いた反復的戦略を導入することで,両者の欠点を克服した。 各イテレーションで解像度が向上し、関心のあるオブジェクトのさらなる詳細を再構築する。 こうすることで、データを人工的にアップサンプリングすることで、元の解像度を超えることができるのです。 我々は,新しい手法の誤差境界と複雑性解析を行う。 さらに,いくつかの数値実験と実データを用いて,その性能を解析する。 また、元のORKAアルゴリズムについて簡単な紹介を行う。 そのため、前作の知識は必要とされない。

関連論文リスト

• Robust compressive tracking via online weighted multiple instance learning [0.6813925418351435]
  本稿では,スパース表現と重み付きマルチインスタンス学習(WMIL)アルゴリズムに基づく粗い検索戦略を統合することで,ビジュアルオブジェクト追跡アルゴリズムを提案する。 提案手法は,他のトラッカーと比較して,粗大な探索法によりより複雑度が低く,重要なサンプルの重み付けも可能である。
  論文  参考訳（メタデータ） (2024-06-14T10:48:17Z)
• DVMNet: Computing Relative Pose for Unseen Objects Beyond Hypotheses [59.51874686414509]
  現在のアプローチは、多数の離散的なポーズ仮説を持つ連続的なポーズ表現を近似している。 本稿では,DVMNet(Deep Voxel Matching Network)を提案する。 提案手法は,最先端の手法に比べて計算コストの低い新しいオブジェクトに対して,より正確なポーズ推定を行う。
  論文  参考訳（メタデータ） (2024-03-20T15:41:32Z)
• DORT: Modeling Dynamic Objects in Recurrent for Multi-Camera 3D Object Detection and Tracking [67.34803048690428]
  本稿では、この問題を解決するためにRecurrenT(DORT)の動的オブジェクトをモデル化することを提案する。 DORTは、重い計算負担を軽減する動き推定のために、オブジェクトワイズローカルボリュームを抽出する。 フレキシブルで実用的で、ほとんどのカメラベースの3Dオブジェクト検出器に差し込むことができる。
  論文  参考訳（メタデータ） (2023-03-29T12:33:55Z)
• Fast and Accurate Object Detection on Asymmetrical Receptive Field [0.0]
  本稿では,物体検出精度を受容場の変化の観点から改善する手法を提案する。 YOLOv5の頭部の構造は、非対称なプール層を付加することによって改変される。 本稿では, 従来の YOLOv5 モデルと比較し, いくつかのパラメータから解析する。
  論文  参考訳（メタデータ） (2023-03-15T23:59:18Z)
• Embracing Single Stride 3D Object Detector with Sparse Transformer [63.179720817019096]
  自律走行のためのLiDARを用いた3次元物体検出では、物体サイズと入力シーンサイズとの比が2次元検出の場合に比べて有意に小さい。 多くの3D検出器は2D検出器の一般的な慣習に従っており、点雲の定量化後も特徴マップを分解する。 本稿では,SST(Single-stride Sparse Transformer)を提案する。
  論文  参考訳（メタデータ） (2021-12-13T02:12:02Z)
• You Better Look Twice: a new perspective for designing accurate detectors with reduced computations [56.34005280792013]
  BLT-netは、新しい低計算の2段階オブジェクト検出アーキテクチャである。 非常にエレガントな第1ステージを使用して、オブジェクトをバックグラウンドから分離することで、計算を削減します。 結果のイメージ提案は、高度に正確なモデルによって第2段階で処理される。
  論文  参考訳（メタデータ） (2021-07-21T12:39:51Z)
• Finding Geometric Models by Clustering in the Consensus Space [61.65661010039768]
  本稿では,未知数の幾何学的モデル,例えばホモグラフィーを求めるアルゴリズムを提案する。 複数の幾何モデルを用いることで精度が向上するアプリケーションをいくつか提示する。 これには、複数の一般化されたホモグラフからのポーズ推定、高速移動物体の軌道推定が含まれる。
  論文  参考訳（メタデータ） (2021-03-25T14:35:07Z)
• FMODetect: Robust Detection and Trajectory Estimation of Fast Moving Objects [110.29738581961955]
  高速移動物体の検出と軌道推定のための最初の学習ベースアプローチを提案する。 提案手法は, 高速移動物体を軌道への切り離された距離関数として検出する。 シャープな外観推定のために,エネルギー最小化に基づくデブロワーリングを提案する。
  論文  参考訳（メタデータ） (2020-12-15T11:05:34Z)
• Moving object detection for visual odometry in a dynamic environment based on occlusion accumulation [31.143322364794894]
  RGB-D画像を用いた移動物体検出アルゴリズムを提案する。 提案アルゴリズムは,背景モデルの推定を必要としない。 二乗回帰重みを持つVO法として高密度視覚計測(DVO)を用いる。
  論文  参考訳（メタデータ） (2020-09-18T11:01:46Z)
• PERCH 2.0 : Fast and Accurate GPU-based Perception via Search for Object Pose Estimation [14.812000578324481]
  本稿では,ポーズ推定のための探索手法であるPERCH 2.0を提案する。 提案手法は, PERCHの100倍の高速化を実現するとともに, 最先端のデータ駆動手法よりも精度が高いことを示す。
  論文  参考訳（メタデータ） (2020-08-01T19:42:56Z)
• A Video Analysis Method on Wanfang Dataset via Deep Neural Network [8.485930905198982]
  本稿では,スポーツ競技におけるリアルタイム多目的検出機能と,ディープラーニングに基づく公共交通機関における歩行者フロー検出機能について述べる。 提案アルゴリズムに基づいて,主要なテストデータセットとしてwanfangスポーツコンペティションデータセットを採用する。 私たちの作業は、歩行者のフロー検出や歩行者のアラームタスクにも利用できます。
  論文  参考訳（メタデータ） (2020-02-28T04:09:53Z)

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。