論文の概要: MITracker: Multi-View Integration for Visual Object Tracking

• arxiv url: http://arxiv.org/abs/2502.20111v1
• Date: Thu, 27 Feb 2025 14:03:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-28 14:58:48.763273
• Title: MITracker: Multi-View Integration for Visual Object Tracking
• Title（参考訳）: MITracker:ビジュアルオブジェクト追跡のためのマルチビュー統合
• Authors: Mengjie Xu, Yitao Zhu, Haotian Jiang, Jiaming Li, Zhenrong Shen, Sheng Wang, Haolin Huang, Xinyu Wang, Qing Yang, Han Zhang, Qian Wang,
• Abstract要約: 我々は,マルチビューオブジェクトを効率的に統合する新しいMVOT手法であるMulti-View Integration Tracker(MITracker)を開発した。 MITrackerは任意の視点から任意の長さのビデオフレーム内の任意のオブジェクトを追跡することができる。 MITrackerはMVTrackとGMTDデータセットの既存のメソッドを上回り、最先端のパフォーマンスを達成する。
• 参考スコア（独自算出の注目度）: 15.713725317019321
• License:
• Abstract: Multi-view object tracking (MVOT) offers promising solutions to challenges such as occlusion and target loss, which are common in traditional single-view tracking. However, progress has been limited by the lack of comprehensive multi-view datasets and effective cross-view integration methods. To overcome these limitations, we compiled a Multi-View object Tracking (MVTrack) dataset of 234K high-quality annotated frames featuring 27 distinct objects across various scenes. In conjunction with this dataset, we introduce a novel MVOT method, Multi-View Integration Tracker (MITracker), to efficiently integrate multi-view object features and provide stable tracking outcomes. MITracker can track any object in video frames of arbitrary length from arbitrary viewpoints. The key advancements of our method over traditional single-view approaches come from two aspects: (1) MITracker transforms 2D image features into a 3D feature volume and compresses it into a bird's eye view (BEV) plane, facilitating inter-view information fusion; (2) we propose an attention mechanism that leverages geometric information from fused 3D feature volume to refine the tracking results at each view. MITracker outperforms existing methods on the MVTrack and GMTD datasets, achieving state-of-the-art performance. The code and the new dataset will be available at https://mii-laboratory.github.io/MITracker/.
• Abstract（参考訳）: MVOT(Multi-view Object Tracking)は、従来のシングルビュートラッキングに共通する閉塞や目標損失といった課題に対する、有望な解決策を提供する。 しかし、包括的なマルチビューデータセットと効果的なクロスビュー統合方法が欠如しているため、進歩は制限されている。 これらの制約を克服するため、様々な場面で27個の異なるオブジェクトを特徴とする234Kの高品質アノテートフレームからなるMulti-View Object Tracking (MVTrack)データセットをコンパイルした。 このデータセットと合わせて,マルチビューオブジェクト機能を効率的に統合し,安定したトラッキング結果を提供するための新しいMVOT手法であるMulti-View Integration Tracker(MITracker)を導入する。 MITrackerは任意の視点から任意の長さのビデオフレーム内の任意のオブジェクトを追跡することができる。 従来の単一視点アプローチに対する我々の手法の主な進歩は,(1) MITrackerが2次元画像特徴量を3次元特徴量に変換し,鳥の視線(BEV)平面に圧縮することで,視線情報融合を容易にし,(2)融合した3次元特徴量から幾何的情報を活用して各視点における追跡結果を洗練する注意機構を提案することである。 MITrackerはMVTrackとGMTDデータセットの既存のメソッドを上回り、最先端のパフォーマンスを達成する。 コードと新しいデータセットはhttps://mii-laboratory.github.io/MITracker/.comで入手できる。

関連論文リスト

• Heterogeneous Graph Transformer for Multiple Tiny Object Tracking in RGB-T Videos [31.910202172609313]
  既存のマルチオブジェクト追跡アルゴリズムは、一般的に単一のモダリティシーンに焦点を当てている。 我々はHGTトラック(異種グラフ変換器に基づくマルチTiny-Object Tracking)と呼ばれる新しいフレームワークを提案する。 本稿では,RGB-Tを融合した複数物体追跡のためのVT-Tiny-MOT (Visible-Thermal Tiny Multi-Object Tracking) の最初のベンチマークを紹介する。
  論文  参考訳（メタデータ） (2024-12-14T15:17:49Z)
• MCTrack: A Unified 3D Multi-Object Tracking Framework for Autonomous Driving [10.399817864597347]
  本稿では,KITTI, nuScenes, データセット間でのSOTA(State-of-the-art)性能を実現する3Dマルチオブジェクトトラッキング手法であるMCTrackを紹介する。
  論文  参考訳（メタデータ） (2024-09-23T11:26:01Z)
• Lifting Multi-View Detection and Tracking to the Bird's Eye View [5.679775668038154]
  マルチビュー検出と3Dオブジェクト認識の最近の進歩により、性能が大幅に向上した。 パラメータフリーとパラメータ化の両方の現代的なリフト法とマルチビューアグリゲーションを比較した。 堅牢な検出を学習するために,複数のステップの特徴を集約するアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-03-19T09:33:07Z)
• ReIDTracker Sea: the technical report of BoaTrack and SeaDronesSee-MOT challenge at MaCVi of WACV24 [0.0]
  我々のソリューションは、無人航空機(UAV)と無人表面車両(USV)の利用シナリオにおける多目的追跡の探索を試みる。 この方式は、UAVベースのマルチオブジェクト追跡とUSVベースのマルチオブジェクト追跡ベンチマークの両方でトップ3のパフォーマンスを達成した。
  論文  参考訳（メタデータ） (2023-11-12T07:37:07Z)
• Tracking Anything in High Quality [63.63653185865726]
  HQTrackは高品質なビデオ追跡のためのフレームワークだ。 ビデオマルチオブジェクトセグメンタ(VMOS)とマスクリファインダ(MR)で構成されている。
  論文  参考訳（メタデータ） (2023-07-26T06:19:46Z)
• ByteTrackV2: 2D and 3D Multi-Object Tracking by Associating Every Detection Box [81.45219802386444]
  マルチオブジェクトトラッキング(MOT)は、ビデオフレーム間のオブジェクトのバウンディングボックスとIDを推定することを目的としている。 低スコア検出ボックス内の真のオブジェクトをマイニングするための階層型データアソシエーション戦略を提案する。 3次元のシナリオでは、トラッカーが世界座標の物体速度を予測するのがずっと簡単である。
  論文  参考訳（メタデータ） (2023-03-27T15:35:21Z)
• DIVOTrack: A Novel Dataset and Baseline Method for Cross-View Multi-Object Tracking in DIVerse Open Scenes [74.64897845999677]
  歩行者が密集したDIVerse Openのシーンを対象とした,新しいクロスビュー多目的追跡データセットを提案する。 私たちのDIVOTrackには15の異なるシナリオと953のクロスビュートラックがあります。 さらに,クロスモット(CrossMOT)という統合型共同検出・クロスビュートラッキングフレームワークを用いた新しいベースラインクロスビュートラッキング手法を提案する。
  論文  参考訳（メタデータ） (2023-02-15T14:10:42Z)
• Unified Transformer Tracker for Object Tracking [58.65901124158068]
  異なるシナリオにおけるトラッキング問題に1つのパラダイムで対処するために,UTT(Unified Transformer Tracker)を提案する。 SOT(Single Object Tracking)とMOT(Multiple Object Tracking)の両方を対象とするトラックトランスフォーマーを開発した。
  論文  参考訳（メタデータ） (2022-03-29T01:38:49Z)
• Know Your Surroundings: Panoramic Multi-Object Tracking by Multimodality Collaboration [56.01625477187448]
  MMPAT(MultiModality PAnoramic Multi-object Tracking framework)を提案する。 2次元パノラマ画像と3次元点雲を入力とし、マルチモーダルデータを用いて目標軌道を推定する。 提案手法は,検出タスクと追跡タスクの両方においてMMPATが最高性能を達成するJRDBデータセット上で評価する。
  論文  参考訳（メタデータ） (2021-05-31T03:16:38Z)
• Track to Detect and Segment: An Online Multi-Object Tracker [81.15608245513208]
  TraDeSは、エンドツーエンドの検出を支援するために追跡の手がかりを利用するオンライン共同検出および追跡モデルです。 TraDeSは、以前のオブジェクトの機能を伝播するために使用されるコストボリュームでオブジェクト追跡オフセットを推測します。
  論文  参考訳（メタデータ） (2021-03-16T02:34:06Z)

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。