Fugu-MT 論文翻訳(概要): Self-Supervised Any-Point Tracking by Contrastive Random Walks

論文の概要: Self-Supervised Any-Point Tracking by Contrastive Random Walks

arxiv url: http://arxiv.org/abs/2409.16288v1
Date: Tue, 24 Sep 2024 17:59:56 GMT
ステータス: 処理完了
システム内更新日: 2024-09-26 04:57:52.722807
Title: Self-Supervised Any-Point Tracking by Contrastive Random Walks
Title（参考訳）: コントラストランダムウォークによる自己監督型任意の点追跡
Authors: Ayush Shrivastava, Andrew Owens,
Abstract要約: 我々はグローバルマッチング変換器を訓練し、コントラッシブなランダムウォークを通してビデオを通してサイクル整合性のあるトラックを見つける。提案手法はTapVidベンチマークで高い性能を達成し,従来の自己教師付きトラッキング手法よりも優れていた。
参考スコア（独自算出の注目度）: 17.50529887238381
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a simple, self-supervised approach to the Tracking Any Point (TAP) problem. We train a global matching transformer to find cycle consistent tracks through video via contrastive random walks, using the transformer's attention-based global matching to define the transition matrices for a random walk on a space-time graph. The ability to perform "all pairs" comparisons between points allows the model to obtain high spatial precision and to obtain a strong contrastive learning signal, while avoiding many of the complexities of recent approaches (such as coarse-to-fine matching). To do this, we propose a number of design decisions that allow global matching architectures to be trained through self-supervision using cycle consistency. For example, we identify that transformer-based methods are sensitive to shortcut solutions, and propose a data augmentation scheme to address them. Our method achieves strong performance on the TapVid benchmarks, outperforming previous self-supervised tracking methods, such as DIFT, and is competitive with several supervised methods.
Abstract（参考訳）: 本稿では,Tracking Any Point (TAP) 問題に対する簡単な自己教師型アプローチを提案する。コントラッシブなランダムウォーク(ランダムウォーク)を用いて、ビデオを通してサイクル整合性のあるトラックを見つけるためにグローバルマッチングトランスフォーマーをトレーニングし、このトランスフォーマーのアテンションベースグローバルマッチングを用いて、時空グラフ上のランダムウォークの遷移行列を定義する。点間の「全ての対」比較を行う能力により、モデルが空間精度が高く、強いコントラスト学習信号を得ることができ、近年のアプローチの複雑さ(粗大なマッチングなど)を回避できる。そこで我々は,サイクル整合性を利用して,グローバルなマッチングアーキテクチャを自己スーパービジョンでトレーニング可能な設計決定を多数提案する。例えば、変換器をベースとした手法がショートカット法に敏感であることを特定し、それに対応するためのデータ拡張スキームを提案する。提案手法はTapVidベンチマークにおいて,DIFTなどの従来の自己教師付きトラッキング手法よりも優れた性能を示し,複数の教師付き手法と競合する。

関連論文リスト

ConsistencyTrack: A Robust Multi-Object Tracker with a Generation Strategy of Consistency Model [20.259334882471574]
マルチオブジェクトトラッキング(MOT)は、コンピュータビジョンにおいて重要な技術であり、ビデオシーケンス内の複数のターゲットを検出し、各ターゲットにフレーム毎にユニークなIDを割り当てるように設計されている。既存のMOTメソッドは、様々なシナリオでリアルタイムで複数のオブジェクトを正確に追跡する。本稿では,境界ボックス上の拡散過程として検出と関連を定式化するための新しいConsistencyTrack, Joint Detection and Tracking (JDT) フレームワークを提案する。
論文参考訳（メタデータ） (2024-08-28T05:53:30Z)
Self-Supervised Multi-Object Tracking with Path Consistency [28.923565712817645]
本稿では,手動のオブジェクト識別管理を使わずに,ロバストなオブジェクトマッチングを学習するための経路整合性の概念を提案する。我々は複数の観測経路を生成し、それぞれがスキップすべき異なるフレームの集合を指定し、関連性を強制するパス一貫性損失を定式化する。
論文参考訳（メタデータ） (2024-04-08T01:29:10Z)
Semi-DETR: Semi-Supervised Object Detection with Detection Transformers [105.45018934087076]
半教師付き物体検出(SSOD)におけるDETRに基づくフレームワークの解析本報告では,第1次変圧器を用いたエンド・ツー・エンド半教師対象検出器であるSemi-DETRについて述べる。我々の手法は、最先端の手法をクリアマージンで上回る。
論文参考訳（メタデータ） (2023-07-16T16:32:14Z)
SeqCo-DETR: Sequence Consistency Training for Self-Supervised Object Detection with Transformers [18.803007408124156]
本稿では,SeqCo-DETRを提案する。SeqCo-DETR,SeqCo-DETR,SeqCo-DETR,SeqCo-DETR,SeqCo-DETR,SeqCo-DETR,SeqCo-DETR,Sequence Consistency-based self-supervised method for object DEtection with TRansformersを提案する。提案手法は,MS COCO (45.8 AP) とPASCAL VOC (64.1 AP) の最先端化を実現し,本手法の有効性を実証する。
論文参考訳（メタデータ） (2023-03-15T09:36:58Z)
End-to-end Tracking with a Multi-query Transformer [96.13468602635082]
マルチオブジェクトトラッキング(MOT)は、時間とともにシーン内のオブジェクトの位置、外観、アイデンティティを同時に推論する必要がある課題である。本研究の目的は、トラッキング・バイ・ディテクト・アプローチを超えて、未知のオブジェクト・クラスに対してもよく機能するクラスに依存しないトラッキングへと移行することである。
論文参考訳（メタデータ） (2022-10-26T10:19:37Z)
Enhance Sample Efficiency and Robustness of End-to-end Urban Autonomous Driving via Semantic Masked World Model [38.722096508198106]
本稿では,SEMantic Masked Recurrent World Model (SEM2)を提案する。提案手法は, サンプル効率と入力順列に対するロバスト性の観点から, 最先端の手法よりも優れている。
論文参考訳（メタデータ） (2022-10-08T13:00:08Z)
Transformer-based assignment decision network for multiple object tracking [0.0]
本稿では,データアソシエーションに取り組むトランスフォーマーベースのアサインメント決定ネットワーク(TADN)について,推論中に明示的な最適化を必要とせずに紹介する。提案手法は,トラッカーとしての単純な性質にもかかわらず,ほとんどの評価指標において最先端の手法よりも優れている。
論文参考訳（メタデータ） (2022-08-06T19:47:32Z)
Hybrid Tracker with Pixel and Instance for Video Panoptic Segmentation [50.62685357414904]
ビデオパノプティカル係数(VPS)は、コヒーレントなパノプティカルセグメンテーションを生成し、ビデオフレーム全体の全ピクセルのアイデンティティを追跡することを目的としている。単一トラッカーの限界を取り除くために,軽量かつ共同的な追跡モデルであるHybridTrackerを提案する。総合的な実験により、HybridTrackerはCityscapes-VPSとVIPERデータセットの最先端メソッドよりも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） (2022-03-02T16:21:55Z)
GAN-Supervised Dense Visual Alignment [95.37027391102684]
本稿では,識別モデル学習のためのフレームワークであるGAN-Supervised Learningと,GAN生成した学習データをエンドツーエンドで共同で学習する手法を提案する。従来のCongealing法にインスパイアされた我々のGANgealingアルゴリズムは、Spatial Transformerを訓練し、不整合データに基づいて訓練されたGANのランダムなサンプルを共通の目標モードにマッピングする。
論文参考訳（メタデータ） (2021-12-09T18:59:58Z)
Contrastive Self-supervised Sequential Recommendation with Robust Augmentation [101.25762166231904]
Sequential Recommendation Describes a set of technique to model dynamic user behavior to order to predict future interaction in sequence user data。データスパーシリティやノイズの多いデータなど、古くて新しい問題はまだ残っている。逐次レコメンデーション(CoSeRec)のためのコントラスト型自己監督学習を提案する。
論文参考訳（メタデータ） (2021-08-14T07:15:25Z)
Self-Point-Flow: Self-Supervised Scene Flow Estimation from Point Clouds with Optimal Transport and Random Walk [59.87525177207915]
シーンフローを近似する2点雲間の対応性を確立するための自己教師型手法を開発した。本手法は,自己教師付き学習手法の最先端性能を実現する。
論文参考訳（メタデータ） (2021-05-18T03:12:42Z)

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。