論文の概要: Enhancing In-vehicle Multiple Object Tracking Systems with Embeddable Ising Machines

• arxiv url: http://arxiv.org/abs/2410.14093v1
• Date: Fri, 18 Oct 2024 00:18:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-21 14:24:04.753910
• Title: Enhancing In-vehicle Multiple Object Tracking Systems with Embeddable Ising Machines
• Title（参考訳）: 組込み型イジングマシンによる車内複数物体追跡システムの実現
• Authors: Kosuke Tatsumura, Yohei Hamakawa, Masaya Yamasaki, Koji Oya, Hiroshi Fujimoto,
• Abstract要約: フレキシブルな割り当て機能を備えた車内複数物体追跡システムについて述べる。 このシステムは、シミュレート・バイフルケーション(simulated bifurcation)と呼ばれる量子インスパイアされたアルゴリズムに基づく埋め込み可能なIsingマシンに依存している。 車両搭載型コンピューティングプラットフォームを用いて,拡張機能を備えたリアルタイムシステムワイドスループット(平均23フレーム/秒)を実演する。
• 参考スコア（独自算出の注目度）: 0.10485739694839666
• License:
• Abstract: A cognitive function of tracking multiple objects, needed in autonomous mobile vehicles, comprises object detection and their temporal association. While great progress owing to machine learning has been recently seen for elaborating the similarity matrix between the objects that have been recognized and the objects detected in a current video frame, less for the assignment problem that finally determines the temporal association, which is a combinatorial optimization problem. Here we show an in-vehicle multiple object tracking system with a flexible assignment function for tracking through multiple long-term occlusion events. To solve the flexible assignment problem formulated as a nondeterministic polynomial time-hard problem, the system relies on an embeddable Ising machine based on a quantum-inspired algorithm called simulated bifurcation. Using a vehicle-mountable computing platform, we demonstrate a realtime system-wide throughput (23 frames per second on average) with the enhanced functionality.
• Abstract（参考訳）: 自律移動車に必要な複数の物体を追跡する認知機能は、物体の検出とその時間的関連を含む。 機械学習による大きな進歩は、認識されたオブジェクトと現在のビデオフレームで検出されたオブジェクトとの類似性行列を解明するために近年見られてきたが、時間的関連を最終的に決定する代入問題(組合せ最適化問題)は少ない。 本稿では、車内複数物体追跡システムと、複数の長期閉塞事象を追尾するフレキシブルな割り当て機能について述べる。 非決定論的多項式時間ハード問題として定式化されたフレキシブルな代入問題を解くため、システムはシミュレート・バイファーケーション(simulated bifurcation)と呼ばれる量子インスパイアされたアルゴリズムに基づく埋め込み可能なイジングマシンに依存する。 車両搭載型コンピューティングプラットフォームを用いて,拡張機能を備えたリアルタイムシステムワイドスループット(平均23フレーム/秒)を実演する。

関連論文リスト

• CORT: Class-Oriented Real-time Tracking for Embedded Systems [46.3107850275261]
  本研究は,マルチクラスオブジェクトトラッキングに対する新しいアプローチを提案する。 トラッキング性能をペナルティ化することなく、より小さく予測可能な実行時間を実現することができる。 提案手法は,異なるタイプの複数の対象を持つ複雑な都市シナリオにおいて評価された。
  論文  参考訳（メタデータ） (2024-07-20T09:12:17Z)
• Spatial-Temporal Multi-level Association for Video Object Segmentation [89.32226483171047]
  本稿では,参照フレーム,テストフレーム,オブジェクト特徴を相互に関連付ける空間的・時間的多レベルアソシエーションを提案する。 具体的には,空間的・時間的多段階特徴関連モジュールを構築し,より優れた目標認識特徴を学習する。
  論文  参考訳（メタデータ） (2024-04-09T12:44:34Z)
• Transformer Network for Multi-Person Tracking and Re-Identification in Unconstrained Environment [0.6798775532273751]
  マルチオブジェクトトラッキング(MOT)は、監視、スポーツ分析、自動運転、協調ロボットなど、さまざまな分野に深く応用されている。 我々は、オブジェクト検出とアイデンティティリンクを単一のエンドツーエンドのトレーニング可能なフレームワーク内にマージする統合MOT手法を提唱した。 本システムでは,記憶時記憶モジュールの高機能化を図り,アグリゲータを用いて効果的に記憶時記憶モジュールを符号化する。
  論文  参考訳（メタデータ） (2023-12-19T08:15:22Z)
• Follow Anything: Open-set detection, tracking, and following in real-time [89.83421771766682]
  我々は,物体をリアルタイムで検出,追跡,追跡するロボットシステムを提案する。 私たちのアプローチは、何でも従う"(FAn)と呼ばれ、オープンな語彙とマルチモーダルモデルです。 FAnは軽量(6～8GB)グラフィックカードでラップトップにデプロイでき、毎秒6～20フレームのスループットを実現する。
  論文  参考訳（メタデータ） (2023-08-10T17:57:06Z)
• A Spatio-Temporal Multilayer Perceptron for Gesture Recognition [70.34489104710366]
  自律走行車におけるジェスチャー認識のための多層状態重み付きパーセプトロンを提案する。 提案手法の有望な性能を示すため,TCGおよびDrive&Actデータセットの評価を行った。 私たちは、そのリアルタイム能力と安定した実行を示すために、モデルを自動運転車にデプロイします。
  論文  参考訳（メタデータ） (2022-04-25T08:42:47Z)
• Real-Time Siamese Multiple Object Tracker with Enhanced Proposals [2.4923006485141284]
  SiamMOTIONは、数十の任意のオブジェクトをリアルタイムで追跡できる。 注意機構と関心領域抽出器によって品質特性を生産する。 SiamMOTIONは5つの公開ベンチマークで検証されている。
  論文  参考訳（メタデータ） (2022-02-10T11:41:27Z)
• Looking Beyond Two Frames: End-to-End Multi-Object Tracking Using Spatial and Temporal Transformers [20.806348407522083]
  MO3TRはエンドツーエンドのオンラインマルチオブジェクトトラッキングフレームワークです。 オブジェクトの相互作用を長期の時間的埋め込みにエンコードする。 明示的なデータアソシエーションモジュールを必要とせずに、開始と終了を追跡する。
  論文  参考訳（メタデータ） (2021-03-27T07:23:38Z)
• SoDA: Multi-Object Tracking with Soft Data Association [75.39833486073597]
  マルチオブジェクトトラッキング(MOT)は、自動運転車の安全な配備の前提条件である。 観測対象間の依存関係をエンコードするトラック埋め込みの計算に注目するMOTに対する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2020-08-18T03:40:25Z)
• Unsupervised Spatio-temporal Latent Feature Clustering for Multiple-object Tracking and Segmentation [0.5591659577198183]
  本稿では,時間的識別タスクを異種時間的クラスタリング問題として扱う戦略を提案する。 我々は、畳み込みと完全に接続されたオートエンコーダを用いて、セグメンテーションマスクと検出バウンディングボックスから識別特徴を学習する。 以上の結果から,本手法はいくつかの最先端手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-07-14T16:47:56Z)
• MVLidarNet: Real-Time Multi-Class Scene Understanding for Autonomous Driving Using Multiple Views [60.538802124885414]
  マルチビューLidarNet(MVLidarNet)は,多層物体検出とドライビング空間分割のための2段階のディープニューラルネットワークである。 MVLidarNetは、単一のLiDARスキャンを入力として、乾燥可能な空間を同時に決定しながら、オブジェクトを検出し、分類することができる。 我々は、KITTIとはるかに大きな内部データセットの両方で結果を示し、その方法が桁違いにスケールできることを実証する。
  論文  参考訳（メタデータ） (2020-06-09T21:28:17Z)

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。