Fugu-MT 論文翻訳(概要): Technical Report for ReID-SAM on SkiTB Visual Tracking Challenge 2025

論文の概要: Technical Report for ReID-SAM on SkiTB Visual Tracking Challenge 2025

arxiv url: http://arxiv.org/abs/2503.01907v1
Date: Fri, 28 Feb 2025 16:57:57 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-05 19:15:14.613743
Title: Technical Report for ReID-SAM on SkiTB Visual Tracking Challenge 2025
Title（参考訳）: SkiTB Visual Tracking Challenge 2025のReID-SAM技術報告
Authors: Kunjun Li, Cheng-Yen Yang, Hsiang-Wei Huang, Jenq-Neng Hwang,
Abstract要約: ReID-SAMはSkiTB Challengeのために開発された新しいモデルで、スキーヤーの外観を追跡する複雑さに対処する。 SkiTBデータセットで評価すると、ReID-SAMは最先端のF1スコア0.870を達成した。
参考スコア（独自算出の注目度）: 21.902447737092412
License:
Abstract: This report introduces ReID-SAM, a novel model developed for the SkiTB Challenge that addresses the complexities of tracking skier appearance. Our approach integrates the SAMURAI tracker with a person re-identification (Re-ID) module and advanced post-processing techniques to enhance accuracy in challenging skiing scenarios. We employ an OSNet-based Re-ID model to minimize identity switches and utilize YOLOv11 with Kalman filtering or STARK-based object detection for precise equipment tracking. When evaluated on the SkiTB dataset, ReID-SAM achieved a state-of-the-art F1-score of 0.870, surpassing existing methods across alpine, ski jumping, and freestyle skiing disciplines. These results demonstrate significant advancements in skier tracking accuracy and provide valuable insights for computer vision applications in winter sports.
Abstract（参考訳）: 本稿では,スキー選手の出現追跡の複雑さに対処するSkiTB Challenge用に開発された新しいモデルであるReID-SAMを紹介する。提案手法では,SAmuraiトラッカーと人物再識別(Re-ID)モジュールと高度な後処理技術を統合し,スキーシナリオの高精度化を図る。我々は、OSNetベースのRe-IDモデルを用いてアイデンティティスイッチを最小化し、YOLOv11をカルマンフィルタやSTARKベースのオブジェクト検出で高精度な機器追跡に活用する。 SkiTBデータセットで評価すると、ReID-SAMは最先端のF1スコア0.870を達成し、アルペン、スキージャンプ、フリースタイルスキーの分野にまたがる既存の手法を上回った。これらの結果から,スキーヤーの追跡精度が著しく向上し,冬季スポーツにおけるコンピュータビジョンの応用に有用な知見が得られた。

関連論文リスト

A Cross-Scene Benchmark for Open-World Drone Active Tracking [54.235808061746525]
Drone Visual Active Trackingは、視覚的な観察に基づいてモーションシステムを制御することで、対象物を自律的に追跡することを目的としている。 DATと呼ばれるオープンワールドドローンアクティブトラッキングのためのクロスシーンクロスドメインベンチマークを提案する。また、R-VATと呼ばれる強化学習に基づくドローン追跡手法を提案する。
論文参考訳（メタデータ） (2024-12-01T09:37:46Z)
Deep HM-SORT: Enhancing Multi-Object Tracking in Sports with Deep Features, Harmonic Mean, and Expansion IOU [0.49998148477760973]
Deep HM-SORTは、新しいオンライン多目的追跡アルゴリズムである。外観と動きのバランスを保ち、IDスワップを著しく減少させる。 2つの大規模公開ベンチマークで最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2024-06-17T20:41:14Z)
Tracking Skiers from the Top to the Bottom [15.888963265785348]
SkiTBはスキーにおけるコンピュータビジョンのための最大かつ最も注釈付きのデータセットである。確立された手法と新たに導入されたスキーヤー最適化ベースラインアルゴリズムの両方を含む、いくつかのビジュアルオブジェクト追跡アルゴリズムをテストする。その結果、視覚に基づくスキー分析における異なるトラッキング手法の適用性に関する貴重な知見が得られた。
論文参考訳（メタデータ） (2023-12-15T11:53:17Z)
Trajectory Tracking Control of Skid-Steering Mobile Robots with Slip and Skid Compensation using Sliding-Mode Control and Deep Learning [0.0]
スリップとスキッドの補償は、屋外の地形をナビゲートする移動ロボットにとって不可欠である。本稿では,現実に実現可能なオンラインスリップとスキッド補償を備えた新しい軌道追跡手法を提案する。実験の結果,軌道追跡システムの性能は27%以上向上した。
論文参考訳（メタデータ） (2023-09-16T03:58:03Z)
A Method for Classifying Snow Using Ski-Mounted Strain Sensors [0.0]
アルペンスキーの上面に装着されたひずみセンサは,積雪の上部層の特徴を推定することができる。 2つのひずみゲージと慣性測定ユニットで、3つの定性的ラベルのうちの1つを軌道の10秒ごとに正しく割り当てることが可能であることを示す。スキーを使って雪をリアルタイムで分類する能力は、市民科学の努力から、バックカントリーの雪面特性のマッピングまで幅広い応用への扉を開く。
論文参考訳（メタデータ） (2023-04-27T16:22:03Z)
An Effective Motion-Centric Paradigm for 3D Single Object Tracking in Point Clouds [50.19288542498838]
LiDARポイントクラウド(LiDAR SOT)における3Dシングルオブジェクトトラッキングは、自動運転において重要な役割を果たす。現在のアプローチはすべて、外観マッチングに基づくシームズパラダイムに従っている。我々は新たな視点からLiDAR SOTを扱うための動き中心のパラダイムを導入する。
論文参考訳（メタデータ） (2023-03-21T17:28:44Z)
Video-Based Reconstruction of the Trajectories Performed by Skiers [14.572756832049285]
そこで本稿では,スポーツ選手が演奏中にトラバースした点列をビデオベースで再構成する手法を提案する。我々のプロトタイプは、アスリートの動きを再現し、カメラの視点でそれを視覚化するためのディープラーニングベースのアルゴリズムのパイプラインで構成されています。
論文参考訳（メタデータ） (2021-12-17T17:40:06Z)
Two-Stream Consensus Network: Submission to HACS Challenge 2021 Weakly-Supervised Learning Track [78.64815984927425]
弱い監督による時間的行動ローカライゼーションの目標は、ビデオの興味ある動作を時間的に特定し、分類することである。この課題では,2ストリームコンセンサスネットワーク(TSCN)を主要なフレームワークとして採用しています。この課題では,本手法が今後の学術研究のベースラインとなることを期待して,第2位にランクインした。
論文参考訳（メタデータ） (2021-06-21T03:36:36Z)
Probabilistic Tracklet Scoring and Inpainting for Multiple Object Tracking [83.75789829291475]
本稿では,トラックレット提案の確率的自己回帰運動モデルを提案する。これは、我々のモデルを訓練して、自然のトラックレットの基盤となる分布を学習することで達成される。我々の実験は、挑戦的なシーケンスにおける物体の追跡におけるアプローチの優位性を実証している。
論文参考訳（メタデータ） (2020-12-03T23:59:27Z)
Dense Scene Multiple Object Tracking with Box-Plane Matching [73.54369833671772]
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タスクである。密集したシーンにおけるMOT性能を改善するために,Box-Plane Matching (BPM)法を提案する。 3つのモジュールの有効性により、ACM MM Grand Challenge HiEve 2020において、私たちのチームはトラック1のリーダーボードで1位を獲得しました。
論文参考訳（メタデータ） (2020-07-30T16:39:22Z)
Cascaded Regression Tracking: Towards Online Hard Distractor Discrimination [202.2562153608092]
本稿では,2段階の逐次回帰トラッカーを提案する。第1段階では, 容易に同定可能な負の候補を抽出する。第2段階では、残留するあいまいな硬質試料をダブルチェックするために、離散サンプリングに基づくリッジ回帰を設計する。
論文参考訳（メタデータ） (2020-06-18T07:48:01Z)

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。