論文の概要: BioDrone: A Bionic Drone-based Single Object Tracking Benchmark for Robust Vision

• arxiv url: http://arxiv.org/abs/2402.04519v1
• Date: Wed, 7 Feb 2024 01:57:56 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-08 17:05:21.716586
• Title: BioDrone: A Bionic Drone-based Single Object Tracking Benchmark for Robust Vision
• Title（参考訳）: biodrone: ロバストな視覚のためのドローンベースの単一物体追跡ベンチマーク
• Authors: Xin Zhao and Shiyu Hu and Yipei Wang and Jing Zhang and Yimin Hu and Rongshuai Liu and Haibin Ling and Yin Li and Renshu Li and Kun Liu and Jiadong Li
• Abstract要約: 我々は、単一オブジェクト追跡(SOT)のための最初のバイオニックドローンベースのビジュアルベンチマークであるBioDroneを提案する。 既存のUAVデータセットとは異なり、BioDroneは羽ばたきUAVシステムから撮影したビデオを特徴としている。 BioDroneは、UAVベースの最大のSOTベンチマークを提供する。
• 参考スコア（独自算出の注目度）: 51.12797762407054
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Single object tracking (SOT) is a fundamental problem in computer vision, with a wide range of applications, including autonomous driving, augmented reality, and robot navigation. The robustness of SOT faces two main challenges: tiny target and fast motion. These challenges are especially manifested in videos captured by unmanned aerial vehicles (UAV), where the target is usually far away from the camera and often with significant motion relative to the camera. To evaluate the robustness of SOT methods, we propose BioDrone -- the first bionic drone-based visual benchmark for SOT. Unlike existing UAV datasets, BioDrone features videos captured from a flapping-wing UAV system with a major camera shake due to its aerodynamics. BioDrone hence highlights the tracking of tiny targets with drastic changes between consecutive frames, providing a new robust vision benchmark for SOT. To date, BioDrone offers the largest UAV-based SOT benchmark with high-quality fine-grained manual annotations and automatically generates frame-level labels, designed for robust vision analyses. Leveraging our proposed BioDrone, we conduct a systematic evaluation of existing SOT methods, comparing the performance of 20 representative models and studying novel means of optimizing a SOTA method (KeepTrack KeepTrack) for robust SOT. Our evaluation leads to new baselines and insights for robust SOT. Moving forward, we hope that BioDrone will not only serve as a high-quality benchmark for robust SOT, but also invite future research into robust computer vision. The database, toolkits, evaluation server, and baseline results are available at http://biodrone.aitestunion.com.
• Abstract（参考訳）: 単一物体追跡(sot: single object tracking)は、自動運転、拡張現実、ロボットナビゲーションなど幅広い応用分野において、コンピュータビジョンにおける根本的な問題である。 SOTの堅牢性は2つの大きな課題に直面している。 これらの課題は、無人航空機(UAV)が撮影したビデオに特に現れ、標的は通常カメラから遠く離れており、しばしばカメラに対して大きな動きをしている。 SOT手法のロバスト性を評価するため,SOTのためのバイオドローンベースのビジュアルベンチマークであるBioDroneを提案する。 既存のUAVデータセットとは異なり、BioDroneは羽ばたきUAVシステムから撮影したビデオを特徴としている。 そこでBioDroneは、連続するフレーム間の劇的な変化を伴う小さなターゲットの追跡を強調し、SOTの新しい堅牢なビジョンベンチマークを提供する。 これまでBioDroneは、UAVベースの最大のSOTベンチマークを提供し、高品質なマニュアルアノテーションと、堅牢な視覚分析のために設計されたフレームレベルのラベルを自動的に生成している。 提案したBioDroneを利用して,既存のSOT手法を体系的に評価し,20種類の代表モデルの性能を比較し,SOTA法(KeepTrack KeepTrack)をロバストSOTに最適化する新しい手法について検討する。 我々の評価は、堅牢なSOTのための新たなベースラインと洞察につながる。 今後、biodroneがロバストなsotの高品質なベンチマークになるだけでなく、ロバストなコンピュータビジョンに関する今後の研究も期待したい”。 データベース、ツールキット、評価サーバ、ベースラインの結果はhttp://biodrone.aitestunion.comで公開されている。

関連論文リスト

• SFTrack: A Robust Scale and Motion Adaptive Algorithm for Tracking Small and Fast Moving Objects [2.9803250365852443]
  本稿では,無人航空機(UAV)映像における多物体追跡の問題に対処する。 交通監視システムや警察によるリアルタイム容疑者追跡など、様々なUAVアプリケーションにおいて重要な役割を果たしている。 低信頼度検出から対象物体の追跡を開始する新しい追跡戦略を提案する。
  論文  参考訳（メタデータ） (2024-10-26T05:09:20Z)
• UAVDB: Trajectory-Guided Adaptable Bounding Boxes for UAV Detection [0.03464344220266879]
  パッチ強度収束(Patch Intensity Convergence、PIC)技術は、手動ラベリングなしでUAV検出のための高忠実なバウンディングボックスを生成する。 この技術は、UAV検出に特化した専用データベースであるUAVDBの基礎となる。 我々は,最先端(SOTA)YOLO系列検出器を用いてUAVDBをベンチマークし,総合的な性能解析を行った。
  論文  参考訳（メタデータ） (2024-09-09T13:27:53Z)
• Tiny Multi-Agent DRL for Twins Migration in UAV Metaverses: A Multi-Leader Multi-Follower Stackelberg Game Approach [57.15309977293297]
  無人航空機(UAV)とメタバースの相乗効果は、UAVメタバースと呼ばれる新しいパラダイムを生み出している。 本稿では,UAVメタバースにおける効率的なUTマイグレーションのためのプルーニング技術に基づく,機械学習に基づく小さなゲームフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-01-18T02:14:13Z)
• AgriSORT: A Simple Online Real-time Tracking-by-Detection framework for robotics in precision agriculture [4.91574468325115]
  AgriSORTは、精密農業のためのリアルタイム追跡検出パイプラインである。 これは、フレーム間のトラックの正確かつ高速な伝播を可能にする動き情報に基づいている。 提案したパイプラインを,農業に適したMOTベンチマークで検証した。
  論文  参考訳（メタデータ） (2023-09-23T14:35:45Z)
• BEVTrack: A Simple and Strong Baseline for 3D Single Object Tracking in Bird's-Eye View [56.77287041917277]
  3Dシングルオブジェクトトラッキング(SOT)はコンピュータビジョンの基本課題であり、自律運転のようなアプリケーションに不可欠なことを証明している。 本稿では,単純で効果的なベースライン手法であるBEVTrackを提案する。 Bird's-Eye View (BEV) における目標運動を推定して追跡を行うことにより、BEVTrackは、ネットワーク設計、トレーニング目標、トラッキングパイプラインなど、様々な側面から驚くほどの単純さを示しながら、優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2023-09-05T12:42:26Z)
• Evidential Detection and Tracking Collaboration: New Problem, Benchmark and Algorithm for Robust Anti-UAV System [56.51247807483176]
  無人航空機(UAV)は輸送、監視、軍事など多くの地域で広く使われている。 従来は、UAVの先行情報が常に提供されていた追跡問題として、このようなアンチUAVタスクを単純化していた。 本稿では,従来のUAV情報を含まない複雑な場面において,UAVの認識を特徴とする新しい実用的対UAV問題を初めて定式化する。
  論文  参考訳（メタデータ） (2023-06-27T19:30:23Z)
• Deep Neural Network Architecture Search for Accurate Visual Pose Estimation aboard Nano-UAVs [69.19616451596342]
  小型無人航空機(UAV)は、新興かつトレンドのトピックである。 我々は、新しいニューラルネットワーク探索(NAS)技術を活用し、視覚的ポーズ推定タスクのために複数の畳み込みニューラルネットワーク(CNN)を自動的に識別する。 その結果,10Hz@10mWおよび50Hz@90mWの実時間オンボード推算速度を達成しつつ,フィールド内制御誤差を32%低減し,現状を改善できた。
  論文  参考訳（メタデータ） (2023-03-03T14:02:09Z)
• Vision-Based UAV Self-Positioning in Low-Altitude Urban Environments [20.69412701553767]
  無人航空機(UAV)は安定した位置決めのために衛星システムに依存している。 このような状況下では、視覚に基づく技術が代替手段として機能し、UAVの自己配置能力を確実にする。 本稿では,UAV自己配置タスク用に設計された最初の公開データセットであるDenseUAVを提案する。
  論文  参考訳（メタデータ） (2022-01-23T07:18:55Z)
• Fail-Safe Human Detection for Drones Using a Multi-Modal Curriculum Learning Approach [1.094245191265935]
  KUL-UAVSAFEは、ドローンによる安全クリティカルな人検出の研究のための第一種データセットである。 本稿では,クロスフュージョンハイウェイを用いたCNNアーキテクチャを提案し,マルチモーダルデータのためのカリキュラム学習戦略を提案する。
  論文  参考訳（メタデータ） (2021-09-28T12:34:13Z)
• A Multi-UAV System for Exploration and Target Finding in Cluttered and GPS-Denied Environments [68.31522961125589]
  複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。 UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。 その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
  論文  参考訳（メタデータ） (2021-07-19T12:54:04Z)

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。