論文の概要: Enhancing Thermal MOT: A Novel Box Association Method Leveraging Thermal Identity and Motion Similarity

• arxiv url: http://arxiv.org/abs/2411.12943v1
• Date: Wed, 20 Nov 2024 00:27:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-21 16:13:37.055348
• Title: Enhancing Thermal MOT: A Novel Box Association Method Leveraging Thermal Identity and Motion Similarity
• Title（参考訳）: 熱MOTの強化:熱的アイデンティティと運動類似性を活用した新しいボックスアソシエーション手法
• Authors: Wassim El Ahmar, Dhanvin Kolhatkar, Farzan Nowruzi, Robert Laganiere,
• Abstract要約: 熱画像における複数物体追跡(MOT)は、視覚的特徴の欠如と動きパターンの複雑さにより、ユニークな課題を呈している。 本稿では, 熱領域におけるMOT改善のための新しいボックスアソシエーション手法を提案する。 提案手法は熱的特徴空間と動的物体追跡を融合し,より正確でロバストなMOT性能を実現する。
• 参考スコア（独自算出の注目度）: 0.6249768559720122
• License:
• Abstract: Multiple Object Tracking (MOT) in thermal imaging presents unique challenges due to the lack of visual features and the complexity of motion patterns. This paper introduces an innovative approach to improve MOT in the thermal domain by developing a novel box association method that utilizes both thermal object identity and motion similarity. Our method merges thermal feature sparsity and dynamic object tracking, enabling more accurate and robust MOT performance. Additionally, we present a new dataset comprised of a large-scale collection of thermal and RGB images captured in diverse urban environments, serving as both a benchmark for our method and a new resource for thermal imaging. We conduct extensive experiments to demonstrate the superiority of our approach over existing methods, showing significant improvements in tracking accuracy and robustness under various conditions. Our findings suggest that incorporating thermal identity with motion data enhances MOT performance. The newly collected dataset and source code is available at https://github.com/wassimea/thermalMOT
• Abstract（参考訳）: 熱画像における複数物体追跡(MOT)は、視覚的特徴の欠如と動きパターンの複雑さにより、ユニークな課題を呈している。 本稿では,熱オブジェクトの同一性と運動類似性の両方を利用する新しいボックスアソシエーション法を開発することにより,熱領域のMOTを改善するための革新的なアプローチを提案する。 提案手法は熱的特徴空間と動的物体追跡を融合し,より正確でロバストなMOT性能を実現する。 さらに,本手法のベンチマークと熱画像の新たな資源として,多様な都市環境下で撮影された大規模熱画像とRGB画像からなる新しいデータセットを提案する。 本研究は,既存手法に対するアプローチの優位性を実証するための広範囲な実験を行い,各種条件下での追跡精度とロバスト性を大幅に向上したことを示す。 運動データに熱的アイデンティティを組み込むことでMOT性能が向上することが示唆された。 新しく収集されたデータセットとソースコードはhttps://github.com/wassimea/thermalMOTで入手できる。

関連論文リスト

• vHeat: Building Vision Models upon Heat Conduction [63.00030330898876]
  vHeatは、高い計算効率とグローバルな受容場の両方を同時に達成する、新しいビジョンバックボーンモデルである。 基本的な考え方は、画像パッチを熱源として概念化し、それらの相関の計算を熱エネルギーの拡散としてモデル化することである。
  論文  参考訳（メタデータ） (2024-05-26T12:58:04Z)
• Precise Facial Landmark Detection by Reference Heatmap Transformer [52.417964103227696]
  より正確に顔のランドマークを検出するための参照ヒートマップ変換器(RHT)を提案する。 評価実験の結果,提案手法は文献における最先端の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-03-14T12:26:48Z)
• Does Thermal Really Always Matter for RGB-T Salient Object Detection? [153.17156598262656]
  本稿では,RGB-T有意物体検出(SOD)タスクを解決するために,TNetというネットワークを提案する。 本稿では,画像のグローバル照度を推定するためのグローバル照度推定モジュールを提案する。 一方, 2段階の局所化と相補化モジュールを導入し, 熱的特徴の物体位置化キューと内部整合キューをRGBモダリティに転送する。
  論文  参考訳（メタデータ） (2022-10-09T13:50:12Z)
• Maximizing Self-supervision from Thermal Image for Effective Self-supervised Learning of Depth and Ego-motion [78.19156040783061]
  熱画像からの深度とエゴモーションの自己教師付き学習は、困難なシナリオ下で強い堅牢性と信頼性を示す。 弱いコントラスト、ぼやけたエッジ、ノイズなどの固有の熱画像特性は、熱画像から効果的な自己スーパービジョンを生成するために障害となる。 本研究では,時間的一貫性を維持しつつ,全体構造,コントラスト,詳細などの画像情報を大幅に向上させる有効熱画像マッピング手法を提案する。
  論文  参考訳（メタデータ） (2022-01-12T09:49:24Z)
• Meta-UDA: Unsupervised Domain Adaptive Thermal Object Detection using Meta-Learning [64.92447072894055]
  赤外線(IR)カメラは、照明条件や照明条件が悪ければ頑丈である。 既存のUDA手法を改善するためのアルゴリズムメタ学習フレームワークを提案する。 KAISTおよびDSIACデータセットのための最先端熱検出器を作成した。
  論文  参考訳（メタデータ） (2021-10-07T02:28:18Z)
• Partially fake it till you make it: mixing real and fake thermal images for improved object detection [29.13557322147509]
  熱画像における物体検出の文脈における提案システムの性能について述べる。 我々の単一モード検出器はFLIR ADASデータセットの最先端結果を達成する。
  論文  参考訳（メタデータ） (2021-06-25T12:56:09Z)
• Robust pedestrian detection in thermal imagery using synthesized images [39.33977680993236]
  熱領域における歩行者検出を2段階に分けて改善する手法を提案する。 まず、生成データ拡張アプローチを使用し、次いで、生成されたデータを用いたドメイン適応法は、RGB歩行者検出器に適応する。 我々の検出器は,最先端技術に関して,KAIST上で最高の単一モダリティ検出結果を達成する。
  論文  参考訳（メタデータ） (2021-02-03T11:08:31Z)
• Exploring Thermal Images for Object Detection in Underexposure Regions for Autonomous Driving [67.69430435482127]
  アンダーエクスポージャー地域は、安全な自動運転のための周囲の完全な認識を構築するのに不可欠である。 サーマルカメラが利用可能になったことで、他の光学センサーが解釈可能な信号を捉えていない地域を探索するための重要な代替手段となった。 本研究は,可視光画像から熱画像へ学習を伝達するためのスタイル伝達手法を用いたドメイン適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-01T09:59:09Z)
• Bayesian Fusion for Infrared and Visible Images [26.64101343489016]
  本稿では,赤外・可視画像のための新しいベイズ融合モデルを構築した。 我々は、融合画像が人間の視覚系を満たすようにすることを目指している。 従来の手法と比較して、新しいモデルは、高照度なターゲットとリッチテクスチャの詳細を持つより良い融合画像を生成することができる。
  論文  参考訳（メタデータ） (2020-05-12T14:57:19Z)

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。