論文の概要: The Solution for Single Object Tracking Task of Perception Test Challenge 2024

• arxiv url: http://arxiv.org/abs/2410.16329v1
• Date: Sat, 19 Oct 2024 06:35:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-23 14:29:00.388347
• Title: The Solution for Single Object Tracking Task of Perception Test Challenge 2024
• Title（参考訳）: 知覚テスト課題2024における単一物体追跡課題の解法
• Authors: Zhiqiang Zhong, Yang Yang, Fengqiang Wan, Henglu Wei, Xiangyang Ji,
• Abstract要約: 本報告では,ビデオシーケンスを通して特定のオブジェクトを追跡することを目的とした,Single Object Tracking (SOT) を提案する。 推論遅延を追加することなく、モデルパラメータの小さなサブセットを微調整するLoRAT法を用いる。 大規模なLaSOTデータセットとGOT-10kデータセットを使用してモデルをトレーニングし、堅牢なパフォーマンスの基盤を提供します。 アルファリファイン法では期待された結果が得られなかったが,本手法は0.813のスコアを達成し,競争において第1位を確保した。
• 参考スコア（独自算出の注目度）: 44.83373635024292
• License:
• Abstract: This report presents our method for Single Object Tracking (SOT), which aims to track a specified object throughout a video sequence. We employ the LoRAT method. The essence of the work lies in adapting LoRA, a technique that fine-tunes a small subset of model parameters without adding inference latency, to the domain of visual tracking. We train our model using the extensive LaSOT and GOT-10k datasets, which provide a solid foundation for robust performance. Additionally, we implement the alpha-refine technique for post-processing the bounding box outputs. Although the alpha-refine method does not yield the anticipated results, our overall approach achieves a score of 0.813, securing first place in the competition.
• Abstract（参考訳）: 本報告では,ビデオシーケンスを通して特定のオブジェクトを追跡することを目的とした,Single Object Tracking (SOT) を提案する。 私たちはLoRATメソッドを使用します。 作業の本質は、推論遅延を追加することなく、モデルパラメータの小さなサブセットを視覚的なトラッキング領域に微調整するテクニックであるLoRAを適応することにある。 大規模なLaSOTデータセットとGOT-10kデータセットを使用してモデルをトレーニングし、堅牢なパフォーマンスの基盤を提供します。 さらに,境界ボックス出力を後処理するアルファリファイン手法を実装した。 アルファリファイン法では期待された結果が得られなかったが,本手法は0.813のスコアを達成し,競争において第1位を確保した。

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)
• An Approximate Dynamic Programming Framework for Occlusion-Robust Multi-Object Tracking [2.4549686118633938]
  近似動的プログラミングトラック(ADPTrack)というフレームワークを提案する。 これは、ベースと呼ばれる既存のメソッドを改善するために動的プログラミングの原則を適用します。 提案手法は,最先端手法よりも精度が0.7%向上したことを示す。
  論文  参考訳（メタデータ） (2024-05-24T01:27:14Z)
• RTrack: Accelerating Convergence for Visual Object Tracking via Pseudo-Boxes Exploration [3.29854706649876]
  単一のオブジェクト追跡(SOT)は、ターゲットオブジェクトをバウンディングボックスとして表現することに大きく依存している。 本稿では,新しいオブジェクト表現ベースライントラッカーRTrackを提案する。 RTrackは自動的に点を配置して空間範囲を定義し、局所領域をハイライトする。
  論文  参考訳（メタデータ） (2023-09-23T04:41:59Z)
• 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)
• Weakly-supervised Contrastive Learning for Unsupervised Object Discovery [52.696041556640516]
  ジェネリックな方法でオブジェクトを発見できるため、教師なしのオブジェクト発見は有望である。 画像から高レベルな意味的特徴を抽出する意味誘導型自己教師学習モデルを設計する。 オブジェクト領域のローカライズのための主成分分析(PCA)を導入する。
  論文  参考訳（メタデータ） (2023-07-07T04:03:48Z)
• 3DMODT: Attention-Guided Affinities for Joint Detection & Tracking in 3D Point Clouds [95.54285993019843]
  本稿では,3次元点雲における複数物体の同時検出と追跡手法を提案する。 本モデルでは,複数のフレームを用いた時間情報を利用してオブジェクトを検出し,一つのネットワーク上で追跡する。
  論文  参考訳（メタデータ） (2022-11-01T20:59:38Z)
• 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)
• Self-Supervised Object Detection via Generative Image Synthesis [106.65384648377349]
  本稿では,自己教師対象検出のための制御可能なGANを用いたエンドツーエンド分析合成フレームワークを提案する。 オブジェクトの合成と検出を学習するために、ボックスアノテーションを使用せずに、実世界のイメージのコレクションを使用します。 我々の研究は、制御可能なGAN画像合成という新しいパラダイムを導入することで、自己教師対象検出の分野を前進させる。
  論文  参考訳（メタデータ） (2021-10-19T11:04:05Z)
• End-to-end Deep Object Tracking with Circular Loss Function for Rotated Bounding Box [68.8204255655161]
  Transformer Multi-Head Attentionアーキテクチャに基づく新しいエンドツーエンドのディープラーニング手法を紹介します。 また,境界ボックスの重なりと向きを考慮に入れた新しいタイプの損失関数を提案する。
  論文  参考訳（メタデータ） (2020-12-17T17:29:29Z)
• End-to-End Multi-Object Tracking with Global Response Map [23.755882375664875]
  画像シーケンス/映像を入力とし、学習対象の位置と追跡対象を直接出力する、完全にエンドツーエンドのアプローチを提案する。 具体的には,提案した多目的表現戦略により,グローバル応答マップをフレーム上で正確に生成することができる。 MOT16 と MOT17 のベンチマークによる実験結果から,提案したオンライントラッカーは,いくつかのトラッキング指標において最先端の性能を達成した。
  論文  参考訳（メタデータ） (2020-07-13T12:30:49Z)

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。