論文の概要: Addressing single object tracking in satellite imagery through prompt-engineered solutions

• arxiv url: http://arxiv.org/abs/2407.05518v1
• Date: Sun, 7 Jul 2024 23:50:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-09 17:29:37.371489
• Title: Addressing single object tracking in satellite imagery through prompt-engineered solutions
• Title（参考訳）: プロンプトエンジニアリングによる衛星画像の単一物体追跡
• Authors: Athena Psalta, Vasileios Tsironis, Andreas El Saer, Konstantinos Karantzalos,
• Abstract要約: 衛星映像における小型物体の学習自由点追跡手法を提案する。 我々の戦略は、リモートセンシングアプリケーションにおける衛星画像に適したロバストな追跡ソリューションの大幅な進歩を示している。
• 参考スコア（独自算出の注目度）: 2.098136587906041
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Object tracking in satellite videos remains a complex endeavor in remote sensing due to the intricate and dynamic nature of satellite imagery. Existing state-of-the-art trackers in computer vision integrate sophisticated architectures, attention mechanisms, and multi-modal fusion to enhance tracking accuracy across diverse environments. However, the challenges posed by satellite imagery, such as background variations, atmospheric disturbances, and low-resolution object delineation, significantly impede the precision and reliability of traditional Single Object Tracking (SOT) techniques. Our study delves into these challenges and proposes prompt engineering methodologies, leveraging the Segment Anything Model (SAM) and TAPIR (Tracking Any Point with per-frame Initialization and temporal Refinement), to create a training-free point-based tracking method for small-scale objects on satellite videos. Experiments on the VISO dataset validate our strategy, marking a significant advancement in robust tracking solutions tailored for satellite imagery in remote sensing applications.
• Abstract（参考訳）: 衛星映像における物体追跡は、衛星画像の複雑でダイナミックな性質のため、リモートセンシングにおける複雑な取り組みである。 コンピュータビジョンにおける既存の最先端トラッカーは、高度なアーキテクチャ、注意機構、マルチモーダル融合を統合し、様々な環境におけるトラッキング精度を高める。 しかし、背景の変動や大気障害、低解像度の物体デライン化といった衛星画像による課題は、従来のSOT(Single Object Tracking)技術の精度と信頼性を著しく損なうことになった。 本研究は,これらの課題を考察し,Segment Anything Model (SAM) と TAPIR (Tracking Any Point with per-frame Initialization and temporal Refinement) を利用して,衛星ビデオ上の小型物体の学習自由点追跡手法を提案する。 VISOデータセットの実験は我々の戦略を検証し、リモートセンシングアプリケーションにおける衛星画像に適したロバストな追跡ソリューションの大幅な進歩を示している。

関連論文リスト

• Vision-Based Detection of Uncooperative Targets and Components on Small Satellites [6.999319023465766]
  宇宙デブリと不活性衛星は、運用宇宙船の安全性と完全性に脅威をもたらす。 コンピュータビジョンモデルの最近の進歩は、そのような非協調的な目標を追跡する既存の方法を改善するために利用することができる。 本稿では,これらの物体を学習とコンピュータビジョンを用いて識別・監視する自律検出モデルを提案する。
  論文  参考訳（メタデータ） (2024-08-22T02:48:13Z)
• FlightScope: A Deep Comprehensive Review of Aircraft Detection Algorithms in Satellite Imagery [2.9687381456164004]
  本稿では,衛星画像中の航空機を識別するタスク用にカスタマイズされた,高度な物体検出アルゴリズム群を批判的に評価し,比較する。 この研究は、YOLOバージョン5と8、より高速なRCNN、CenterNet、RetinaNet、RTMDet、DETRを含む一連の方法論を含む。 YOLOv5は空中物体検出のための堅牢なソリューションとして登場し、平均的精度、リコール、ユニオンのスコアに対するインターセクションによってその重要性を裏付けている。
  論文  参考訳（メタデータ） (2024-04-03T17:24:27Z)
• OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
  軌道予測はコンピュータビジョンと自律運転の基本である。 この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。 本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
  論文  参考訳（メタデータ） (2024-04-02T18:30:29Z)
• PNAS-MOT: Multi-Modal Object Tracking with Pareto Neural Architecture Search [64.28335667655129]
  複数の物体追跡は、自律運転において重要な課題である。 トラッキングの精度が向上するにつれて、ニューラルネットワークはますます複雑になり、レイテンシが高いため、実際の運転シナリオにおける実践的な応用に課題が生じる。 本稿では,ニューラル・アーキテクチャ・サーチ(NAS)手法を用いて追跡のための効率的なアーキテクチャを探索し,比較的高い精度を維持しつつ,低リアルタイム遅延を実現することを目的とした。
  論文  参考訳（メタデータ） (2024-03-23T04:18:49Z)
• Vehicle Perception from Satellite [54.07157185000604]
  データセットは、GTA-Vから記録された12の衛星ビデオと14の合成ビデオに基づいて構築されている。 小さなオブジェクトの検出、カウント、密度推定など、いくつかのタスクをサポートする。 128,801両は完全に注釈付けされており、各画像の車両数は0から101まで様々である。
  論文  参考訳（メタデータ） (2024-02-01T15:59:16Z)
• On the Generation of a Synthetic Event-Based Vision Dataset for Navigation and Landing [69.34740063574921]
  本稿では,最適な着陸軌道からイベントベースの視覚データセットを生成する手法を提案する。 我々は,惑星と小惑星の自然シーン生成ユーティリティを用いて,月面のフォトリアリスティックな画像のシーケンスを構築した。 パイプラインは500トラジェクトリのデータセットを構築することで,表面特徴の現実的なイベントベース表現を生成することができることを示す。
  論文  参考訳（メタデータ） (2023-08-01T09:14:20Z)
• Scalable and Real-time Multi-Camera Vehicle Detection, Re-Identification, and Tracking [58.95210121654722]
  理想化されたビデオストリームやキュレートされたビデオストリームの代わりに,リアルタイムで低解像度のCCTVを処理する,リアルタイムな都市規模のマルチカメラ車両追跡システムを提案する。 私たちの手法は、公共のリーダーボードで上位5人のパフォーマーにランク付けされています。
  論文  参考訳（メタデータ） (2022-04-15T12:47:01Z)
• Space Non-cooperative Object Active Tracking with Deep Reinforcement Learning [1.212848031108815]
  DRLAVTと命名されたDQNアルゴリズムに基づくエンドツーエンドのアクティブなトラッキング手法を提案する。 追尾宇宙船のアプローチを、色やRGBD画像にのみ依存した任意の空間の非協力目標に導くことができる。 位置ベースのビジュアルサーボベースラインアルゴリズムでは、最先端の2DモノクロトラッカーであるSiamRPNをはるかに上回っている。
  論文  参考訳（メタデータ） (2021-12-18T06:12:24Z)
• Detecting and Tracking Small and Dense Moving Objects in Satellite Videos: A Benchmark [30.078513715446196]
  オブジェクトの検出と追跡を行うタスクに対して,豊富なアノテーションを付加した大規模衛星ビデオデータセットを構築した。 このデータセットは、ジリン1の衛星コンステレーションによって収集される。 衛星ビデオにおける物体の検出と追跡を行うための最初の公開ベンチマークを確立する。
  論文  参考訳（メタデータ） (2021-11-25T08:01:41Z)
• Rapid Detection of Aircrafts in Satellite Imagery based on Deep Neural Networks [2.7716102039510564]
  本論文では,深層学習技術を用いた衛星画像の航空機検出に焦点をあてる。 本稿では,航空機検出にYOLO深層学習フレームワークを用いた。 改良されたモデルは小さい、回転する、および密集した目的がリアルタイムの条件を満たす異なった未知のイメージのよい正確さそして性能を示します。
  論文  参考訳（メタデータ） (2021-04-21T18:13:16Z)
• Benchmarking Unsupervised Object Representations for Video Sequences [111.81492107649889]
  ViMON, OP3, TBA, SCALORの4つのオブジェクト中心アプローチの知覚能力を比較した。 この結果から,制約のない潜在表現を持つアーキテクチャは,オブジェクト検出やセグメンテーション,トラッキングといった観点から,より強力な表現を学習できる可能性が示唆された。 我々のベンチマークは、より堅牢なオブジェクト中心のビデオ表現を学習するための実りあるガイダンスを提供するかもしれない。
  論文  参考訳（メタデータ） (2020-06-12T09:37:24Z)

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。