論文の概要: TrackOcc: Camera-based 4D Panoptic Occupancy Tracking

• arxiv url: http://arxiv.org/abs/2503.08471v1
• Date: Tue, 11 Mar 2025 14:17:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-12 15:42:40.726022
• Title: TrackOcc: Camera-based 4D Panoptic Occupancy Tracking
• Title（参考訳）: TrackOcc:カメラによる4Dパノラマ撮影
• Authors: Zhuoguang Chen, Kenan Li, Xiuyu Yang, Tao Jiang, Yiming Li, Hang Zhao,
• Abstract要約: カメラベースの4Dパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノ TrackOccは、ストリーミングでエンドツーエンドな方法でイメージインプットを処理する最先端のアプローチで、提案されたタスクに対処するために4Dパンオプティクスクエリを使用する。
• 参考スコア（独自算出の注目度）: 35.39897498797755
• License:
• Abstract: Comprehensive and consistent dynamic scene understanding from camera input is essential for advanced autonomous systems. Traditional camera-based perception tasks like 3D object tracking and semantic occupancy prediction lack either spatial comprehensiveness or temporal consistency. In this work, we introduce a brand-new task, Camera-based 4D Panoptic Occupancy Tracking, which simultaneously addresses panoptic occupancy segmentation and object tracking from camera-only input. Furthermore, we propose TrackOcc, a cutting-edge approach that processes image inputs in a streaming, end-to-end manner with 4D panoptic queries to address the proposed task. Leveraging the localization-aware loss, TrackOcc enhances the accuracy of 4D panoptic occupancy tracking without bells and whistles. Experimental results demonstrate that our method achieves state-of-the-art performance on the Waymo dataset. The source code will be released at https://github.com/Tsinghua-MARS-Lab/TrackOcc.
• Abstract（参考訳）: カメラ入力からの包括的で一貫した動的シーン理解は、先進的な自律システムにとって不可欠である。 従来のカメラベースの3Dオブジェクトトラッキングやセマンティック占有予測のような知覚タスクは、空間的包括性や時間的一貫性を欠いている。 そこで,本研究では,カメラのみの入力からパノプティクスのセグメンテーションとオブジェクト追跡を同時に行う,新しいタスクである4Dパノプティクスの取り組みについて紹介する。 さらに,提案する課題に対処する4次元パノプティクスクエリを用いて,ストリーム・ツー・エンド方式で画像入力を処理する最先端手法であるTrackOccを提案する。 ローカライゼーション・アウェア・ロスを活用することで、TrackOccはベルやホイッスルを使わずに4Dパノプティクスの占有率追跡の精度を高める。 実験の結果,Waymoデータセット上での最先端性能が得られた。 ソースコードはhttps://github.com/Tsinghua-MARS-Lab/TrackOccで公開される。

関連論文リスト

• DATAP-SfM: Dynamic-Aware Tracking Any Point for Robust Structure from Motion in the Wild [85.03973683867797]
  本稿では,スムーズなカメラ軌跡を推定し,野生のカジュアルビデオのための高密度点雲を得るための,簡潔でエレガントでロバストなパイプラインを提案する。 提案手法は,複雑な動的課題シーンにおいても,カメラポーズ推定による最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-11-20T13:01:16Z)
• DenseTrack: Drone-based Crowd Tracking via Density-aware Motion-appearance Synergy [33.57923199717605]
  ドローンによる群集追跡は、空中からの物体の正確な識別と監視に困難に直面している。 これらの課題に対処するために、密度認識追跡(DenseTrack)フレームワークを提案する。 DenseTrackは、群衆のカウントに乗じて、オブジェクトの位置を正確に決定し、視覚とモーションのキューを混ぜて、小規模オブジェクトの追跡を改善する。
  論文  参考訳（メタデータ） (2024-07-24T13:39:07Z)
• RaTrack: Moving Object Detection and Tracking with 4D Radar Point Cloud [10.593320435411714]
  レーダベースのトラッキングに適した革新的なソリューションであるRaTrackを紹介します。 本手法は,動き推定モジュールによって強化された動き分割とクラスタリングに焦点を当てる。 RaTrackは移動物体の追跡精度が優れており、最先端の技術をはるかに上回っている。
  論文  参考訳（メタデータ） (2023-09-18T13:02:29Z)
• TripletTrack: 3D Object Tracking using Triplet Embeddings and LSTM [0.0]
  3Dオブジェクトトラッキングは、自動運転システムにおいて重要なタスクである。 本稿では,3次元物体追跡における3重項埋め込みと動作表現の併用について検討する。
  論文  参考訳（メタデータ） (2022-10-28T15:23:50Z)
• Minkowski Tracker: A Sparse Spatio-Temporal R-CNN for Joint Object Detection and Tracking [53.64390261936975]
  我々はオブジェクトの検出と追跡を共同で解決するスパース時間R-CNNであるMinkowski Trackerを提案する。 領域ベースCNN(R-CNN)に着想を得て,物体検出器R-CNNの第2段階として動きを追跡することを提案する。 大規模実験では,本手法の総合的な性能向上は4つの要因によることがわかった。
  論文  参考訳（メタデータ） (2022-08-22T04:47:40Z)
• A Lightweight and Detector-free 3D Single Object Tracker on Point Clouds [50.54083964183614]
  生のLiDARスキャンにおける物体の点雲は、通常スパースで不完全であるため、正確な目標固有検出を行うのは簡単ではない。 DMTは、複雑な3D検出器の使用を完全に除去する3Dトラッキングネットワークである。
  論文  参考訳（メタデータ） (2022-03-08T17:49:07Z)
• EagerMOT: 3D Multi-Object Tracking via Sensor Fusion [68.8204255655161]
  マルチオブジェクトトラッキング(MOT)により、移動ロボットは周囲の物体を3次元空間と時間で位置づけすることで、良好な動作計画とナビゲーションを行うことができる。 既存の方法は、深度センサー(例えばLiDAR)を使用して3D空間のターゲットを検出し追跡するが、信号の間隔が限られているため、検出範囲は限られている。 我々は,両方のセンサモダリティから利用可能な物体を全て統合し,シーンのダイナミックスを適切に解釈する簡易なトラッキング定式化であるeagermotを提案する。
  論文  参考訳（メタデータ） (2021-04-29T22:30:29Z)
• Monocular Quasi-Dense 3D Object Tracking [99.51683944057191]
  周囲の物体の将来の位置を予測し、自律運転などの多くのアプリケーションで観測者の行動を計画するためには、信頼性と正確な3D追跡フレームワークが不可欠である。 移動プラットフォーム上で撮影された2次元画像のシーケンスから,移動物体を時間とともに効果的に関連付け,その全3次元バウンディングボックス情報を推定するフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-12T15:30:02Z)
• Integration of the 3D Environment for UAV Onboard Visual Object Tracking [7.652259812856325]
  無人航空機からの単一の視覚的物体追跡は、根本的な課題となる。 本研究では,モデルフリーのビジュアルオブジェクトトラッカー,スパース3D再構成,状態推定器を組み合わせたパイプラインを提案する。 画像空間ではなく3次元空間における目標位置を表現することにより,エゴモーション時のトラッキングを安定化させる。
  論文  参考訳（メタデータ） (2020-08-06T18:37:29Z)

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。