Fugu-MT 論文翻訳(概要): Interacting Multiple Model-based Joint Homography Matrix and Multiple Object State Estimation

論文の概要: Interacting Multiple Model-based Joint Homography Matrix and Multiple Object State Estimation

arxiv url: http://arxiv.org/abs/2409.02562v1
Date: Wed, 4 Sep 2024 09:29:24 GMT
ステータス: 処理完了
システム内更新日: 2024-09-05 19:30:37.196766
Title: Interacting Multiple Model-based Joint Homography Matrix and Multiple Object State Estimation
Title（参考訳）: 相互作用型複数モデルベース共同ホログラフィ行列と複数物体状態推定
Authors: Paul Johannes Claasen, Johan Pieter de Villiers,
Abstract要約: IMMジョイントホモグラフィー状態推定(IMM-JHSE)を提案する。 IMM-JHSEは、カメラモーション補償技術が予測トラック位置に与える影響を除去する。 IMM-JHSEは、DanceTrackとKITTI-carデータセットに関連する技術を改善している。
参考スコア（独自算出の注目度）: 2.09942566943801
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: A novel MOT algorithm, IMM Joint Homography State Estimation (IMM-JHSE), is proposed. By jointly modelling the camera projection matrix as part of track state vectors, IMM-JHSE removes the explicit influence of camera motion compensation techniques on predicted track position states, which was prevalent in previous approaches. Expanding upon this, static and dynamic camera motion models are combined through the use of an IMM filter. A simple bounding box motion model is used to predict bounding box positions to incorporate image plane information. In addition to applying an IMM to camera motion, a non-standard IMM approach is applied where bounding-box-based BIoU scores are mixed with ground-plane-based Mahalanobis distances in an IMM-like fashion to perform association only. Finally, IMM-JHSE makes use of dynamic process and measurement noise estimation techniques. IMM-JHSE improves upon related techniques on the DanceTrack and KITTI-car datasets, increasing HOTA by 2.64 and 2.11, respectively, while offering competitive performance on the MOT17, MOT20 and KITTI-pedestrian datasets.
Abstract（参考訳）: 新たなMOTアルゴリズムであるIMMジョイントホモグラフィ状態推定(IMM-JHSE)を提案する。 IMM-JHSEは、カメラプロジェクション行列をトラック状態ベクトルの一部として共同でモデル化することにより、カメラモーション補償技術が予測トラック位置に与える影響を排除し、これは以前のアプローチで一般的であった。この拡張により、静的および動的カメラモーションモデルが、IMMフィルタを用いて結合される。単純なバウンディングボックス動作モデルを用いて、境界ボックスの位置を予測し、画像平面情報を組み込む。カメラ動作にIMMを適用することに加え、非標準IMMアプローチでは、バウンディングボックスベースのBIoUスコアと地平面ベースのマハラノビス距離を混合してアソシエーションのみを行う。最後に、IMM-JHSEは動的プロセスと計測ノイズ推定技術を利用する。 IMM-JHSEは、DanceTrackとKITTI-carのデータセットに関する関連技術を改善し、HOTAを2.64と2.11に増加させ、MOT17、MOT20、KITTI-pedestrianデータセット上での競合性能を提供する。

関連論文リスト

Uniformly Accelerated Motion Model for Inter Prediction [38.34487653360328]
自然ビデオでは、通常、変動速度を持つ複数の移動物体が存在し、その結果、コンパクトに表現することが難しい複雑な運動場が生じる。 Versatile Video Coding (VVC) では、既存のインター予測手法は連続するフレーム間の均一な速度運動を仮定する。本研究では,動画フレーム間の移動物体の運動関連要素(速度,加速度)を利用する一様加速度運動モデル(UAMM)を提案する。
論文参考訳（メタデータ） (2024-07-16T09:46:29Z)
Motion-adaptive Separable Collaborative Filters for Blind Motion Deblurring [71.60457491155451]
様々な動きによって生じる画像のぼかしを除去することは、難しい問題である。本研究では,動き適応型分離型協調フィルタと呼ばれる実世界のデブロアリングフィルタモデルを提案する。本手法は,実世界の動きのぼかし除去に有効な解法を提供し,最先端の性能を実現する。
論文参考訳（メタデータ） (2024-04-19T19:44:24Z)
DeNoising-MOT: Towards Multiple Object Tracking with Severe Occlusions [52.63323657077447]
DNMOTは、複数のオブジェクト追跡のためのエンドツーエンドのトレーニング可能なDeNoising Transformerである。具体的には、トレーニング中にノイズを伴って軌道を拡大し、エンコーダ・デコーダアーキテクチャのデノイング過程をモデルに学習させる。我々はMOT17,MOT20,DanceTrackのデータセットについて広範な実験を行い,実験結果から,提案手法が従来の最先端手法よりも明確なマージンで優れていることが示された。
論文参考訳（メタデータ） (2023-09-09T04:40:01Z)
STMT: A Spatial-Temporal Mesh Transformer for MoCap-Based Action Recognition [50.064502884594376]
本研究では、モーションキャプチャー(MoCap)シーケンスを用いた人間の行動認識の問題点について検討する。メッシュシーケンスを直接モデル化する新しい時空間メッシュ変換器(STMT)を提案する。提案手法は,スケルトンベースモデルやポイントクラウドベースモデルと比較して,最先端の性能を実現する。
論文参考訳（メタデータ） (2023-03-31T16:19:27Z)
Data-Driven Stochastic Motion Evaluation and Optimization with Image by Spatially-Aligned Temporal Encoding [8.104557130048407]
本稿では,長動きに対する確率的動き予測法を提案し,その動きが与えられた画像で観測された初期状態からタスクを達成できるように予測する。本手法は空間的に時間的エンコーディングによって画像特徴領域に画像と動きデータをシームレスに統合する。提案手法の有効性は, 同様のSOTA法を用いた様々な実験で実証された。
論文参考訳（メタデータ） (2023-02-10T04:06:00Z)
MotionHint: Self-Supervised Monocular Visual Odometry with Motion Constraints [70.76761166614511]
モノクローナルビジュアル・オドメトリー(VO)のための新しい自己教師型アルゴリズムMotionHintを提案する。我々のMotionHintアルゴリズムは、既存のオープンソースSSM-VOシステムに容易に適用できる。
論文参考訳（メタデータ） (2021-09-14T15:35:08Z)
Feature-based Event Stereo Visual Odometry [2.7298989068857487]
本稿では,特徴検出と注意深い特徴管理の整合性に基づく,イベントカメラのための新しいステレオ・ビジュアル・オドメトリー法を提案する。提案手法を,屋内飛行ドローンが取得したMVSECシーケンスとDSEC屋外運転シーケンスの2つの公開データセットで評価した。
論文参考訳（メタデータ） (2021-07-10T22:36:49Z)
Image Modeling with Deep Convolutional Gaussian Mixture Models [79.0660895390689]
画像の記述と生成に適したGMM(Deep Hierarchical Gaussian Mixture Models)の新しい定式化を紹介します。 DCGMMは、畳み込みとプーリング操作によってリンクされた複数のGMM層の積み重ねたアーキテクチャによってこれを回避している。 dcgmmsでシャープな画像を生成するために,畳み込みやプーリングなどの非可逆操作をサンプリングする新しい勾配に基づく手法を提案する。 MNISTとFashionMNISTのデータセットに基づいて,クラスタリング,サンプリング,外乱検出において,フラットなGMMよりも優れていることを示すことで,DCGMMsモデルを検証した。
論文参考訳（メタデータ） (2021-04-19T12:08:53Z)
Scalable nonparametric Bayesian learning for heterogeneous and dynamic velocity fields [8.744017403796406]
速度場データの不均一および動的パターンを学習するモデルを開発した。複雑な多車間相互作用のNGSIMデータセットに対して,本手法の有効性を示す。
論文参考訳（メタデータ） (2021-02-15T17:45:46Z)
Online Multi-Object Tracking and Segmentation with GMPHD Filter and Mask-based Affinity Fusion [79.87371506464454]
本稿では,インスタンス分割結果を入力として利用するMOTS法を提案する。提案手法は,ガウス混合確率仮説密度 (GMPHD) フィルタ,階層型データアソシエーション (HDA) モデル,マスクベース親和性融合 (MAF) モデルに基づく。 2つの人気のあるMOTSデータセットの実験では、主要なモジュールがいくつかの改善点を示している。
論文参考訳（メタデータ） (2020-08-31T21:06:22Z)
0-MMS: Zero-Shot Multi-Motion Segmentation With A Monocular Event Camera [13.39518293550118]
本稿では,ボトムアップ機能トラッキングとトップダウン動作補償を組み合わせたモノラルなマルチモーションセグメンテーション手法を提案する。時間間隔内でのイベントを用いて、本手法はシーンを分割とマージによって複数の動作に分割する。このアプローチは、EV-IMO、EED、MODデータセットから、挑戦的な現実シナリオと合成シナリオの両方で評価された。
論文参考訳（メタデータ） (2020-06-11T02:34:29Z)

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。