論文の概要: Real-Time Motion Detection Using Dynamic Mode Decomposition

• arxiv url: http://arxiv.org/abs/2405.05057v1
• Date: Wed, 8 May 2024 13:52:14 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-09 14:24:42.473011
• Title: Real-Time Motion Detection Using Dynamic Mode Decomposition
• Title（参考訳）: 動的モード分解を用いたリアルタイム動作検出
• Authors: Marco Mignacca, Simone Brugiapaglia, Jason J. Bramburger,
• Abstract要約: 動的モード分解(DMD)に根ざしたストリーミングビデオデータに対する簡易かつ解釈可能なモーション検出アルゴリズムを提案する。 提案手法は,前景運動などの重要な映像特徴の進化と,DMDを映像セグメントに適用した結果となる行列の固有値との間には対応関係があることを生かしている。
• 参考スコア（独自算出の注目度）: 0.40964539027092906
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dynamic Mode Decomposition (DMD) is a numerical method that seeks to fit timeseries data to a linear dynamical system. In doing so, DMD decomposes dynamic data into spatially coherent modes that evolve in time according to exponential growth/decay or with a fixed frequency of oscillation. A prolific application of DMD has been to video, where one interprets the high-dimensional pixel space evolving through time as the video plays. In this work, we propose a simple and interpretable motion detection algorithm for streaming video data rooted in DMD. Our method leverages the fact that there exists a correspondence between the evolution of important video features, such as foreground motion, and the eigenvalues of the matrix which results from applying DMD to segments of video. We apply the method to a database of test videos which emulate security footage under varying realistic conditions. Effectiveness is analyzed using receiver operating characteristic curves, while we use cross-validation to optimize the threshold parameter that identifies movement.
• Abstract（参考訳）: 動的モード分解(Dynamic Mode Decomposition, DMD)は、時系列データを線形力学系に適合させる数値手法である。 その際、DMDは動的データを指数的成長/デカイ、あるいは一定の振動周波数で時間的に進化する空間的コヒーレントモードに分解する。 DMDの多彩な応用はビデオに対して行われ、ビデオが再生する時間を通じて進化する高次元ピクセル空間を解釈する。 本研究では,DMDに根ざしたストリーミング映像データに対して,簡易かつ解釈可能な動き検出アルゴリズムを提案する。 提案手法は,前景運動などの重要な映像特徴の進化と,DMDを映像セグメントに適用した結果となる行列の固有値との間には対応関係があることを生かしている。 本手法を,様々な現実的条件下でのセキュリティ映像をエミュレートするテストビデオのデータベースに適用する。 動作を識別するしきい値パラメータを最適化するためにクロスバリデーション(クロスバリデーション)を用いる。

関連論文リスト

• ImDy: Human Inverse Dynamics from Imitated Observations [47.994797555884325]
  逆ダイナミクス(ID)は、人間の運動学的観察から駆動トルクを再現することを目的としている。 従来の最適化ベースのIDは高価な実験室のセットアップを必要とし、可用性を制限している。 本稿では、近年進歩的な人間の動作模倣アルゴリズムを利用して、データ駆動方式で人間の逆ダイナミクスを学習することを提案する。
  論文  参考訳（メタデータ） (2024-10-23T07:06:08Z)
• Parsimonious Dynamic Mode Decomposition: A Robust and Automated Approach for Optimally Sparse Mode Selection in Complex Systems [0.40964539027092917]
  本稿では,Parsimonious Dynamic Mode Decomposition (parsDMD)を紹介する。 ParsDMDは、時間的および純粋に時間的データの両方に対して最適にスパースされた動的モードのサブセットを自動選択するように設計された新しいアルゴリズムである。 定在波信号、隠れ力学の同定、流体力学シミュレーション、大気表面温度(SST)データなど、さまざまなデータセットで検証されている。
  論文  参考訳（メタデータ） (2024-10-22T03:00:11Z)
• Entropic Regression DMD (ERDMD) Discovers Informative Sparse and Nonuniformly Time Delayed Models [0.0]
  エントロピー回帰を用いた最適多段階動的モード分解モデルを決定する手法を提案する。 非一様時間空間を実現するために,高忠実度時間遅延MDDモデルを生成する手法を開発した。 これらのモデルは、非常に効率的で堅牢であることが示されている。
  論文  参考訳（メタデータ） (2024-06-17T20:02:43Z)
• Executing your Commands via Motion Diffusion in Latent Space [51.64652463205012]
  本研究では,動作遅延に基づく拡散モデル(MLD)を提案し,条件付き入力に対応する鮮明な動き列を生成する。 我々のMDDは、広範囲な人体運動生成タスクにおいて、最先端の手法よりも大幅に改善されている。
  論文  参考訳（メタデータ） (2022-12-08T03:07:00Z)
• Differentiable Frequency-based Disentanglement for Aerial Video Action Recognition [56.91538445510214]
  ビデオにおける人間の行動認識のための学習アルゴリズムを提案する。 我々のアプローチは、主に斜めに配置されたダイナミックカメラから取得されるUAVビデオのために設計されている。 我々はUAV HumanデータセットとNEC Droneデータセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2022-09-15T22:16:52Z)
• Implicit Motion Handling for Video Camouflaged Object Detection [60.98467179649398]
  本稿では,新しいビデオカモフラージュオブジェクト検出(VCOD)フレームワークを提案する。 短期的および長期的整合性を利用して、ビデオフレームからカモフラージュされたオブジェクトを検出する。
  論文  参考訳（メタデータ） (2022-03-14T17:55:41Z)
• Motion-aware Dynamic Graph Neural Network for Video Compressive Sensing [14.67994875448175]
  ビデオスナップショットイメージング(SCI)は、2D検出器を使用してシーケンシャルなビデオフレームをキャプチャし、それらを1つの測定値に圧縮する。 既存の再建手法の多くは、長距離空間および時間的依存関係を効率的に捉えることができない。 グラフニューラルネットワーク(GNN)に基づくフレキシブルでロバストなアプローチを提案し,距離に関わらず,空間と時間における画素間の非局所的相互作用を効率的にモデル化する。
  論文  参考訳（メタデータ） (2022-03-01T12:13:46Z)
• Slow-Fast Visual Tempo Learning for Video-based Action Recognition [78.3820439082979]
  アクション・ビジュアル・テンポ(Action visual tempo)は、アクションのダイナミクスと時間スケールを特徴付ける。 以前の方法は、複数のレートで生のビデオをサンプリングするか、階層的にバックボーンの特徴をサンプリングすることによって、視覚的テンポをキャプチャする。 単一層における低レベルバックボーン特徴からアクション・テンポを抽出するための時間相関モジュール(TCM)を提案する。
  論文  参考訳（メタデータ） (2022-02-24T14:20:04Z)
• Dynamic Mode Decomposition in Adaptive Mesh Refinement and Coarsening Simulations [58.720142291102135]
  動的モード分解(DMD)はコヒーレントなスキームを抽出する強力なデータ駆動方式である。 本稿では,異なるメッシュトポロジと次元の観測からDMDを抽出する戦略を提案する。
  論文  参考訳（メタデータ） (2021-04-28T22:14:25Z)
• Towards an Adaptive Dynamic Mode Decomposition [0.0]
  Dynamic Mode Decomposition (DMD) は、ある時点の数量を将来同じ数量にマッピングする行列を識別するデータベースのモデリングツールである。 我々は、時間遅延座標、投影法、フィルタをデータの性質に応じて利用し、利用可能な問題のモデルを作成するAdaptive Dynamic Mode Decomposition (ADMD) と呼ばれる新しいバージョンを設計する。
  論文  参考訳（メタデータ） (2020-12-11T22:50:09Z)

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。