論文の概要: Fast computation of the TGOSPA metric for multiple target tracking via unbalanced optimal transport
- arxiv url: http://arxiv.org/abs/2503.09449v1
- Date: Wed, 12 Mar 2025 14:51:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-13 15:38:19.646056
- Title: Fast computation of the TGOSPA metric for multiple target tracking via unbalanced optimal transport
- Title（参考訳）: 不均衡最適輸送による複数目標追跡のためのTGOSPAメトリックの高速計算
- Authors: Viktor Nevelius Wernholm, Alfred Wärnsäter, Axel Ringh,
- Abstract要約: 複数のターゲットトラッキングでは、異なるトラッキングアルゴリズムの性能を評価することが重要である。
軌道一般化最適部分パターン割当量(TGOSPA)は,最近提案された評価基準である。
本稿では,TGOSPA問題を不均衡なマルチマルジナル最適輸送問題としてキャストすることで,TGOSPAメトリックを評価する近似アルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: In multiple target tracking, it is important to be able to evaluate the performance of different tracking algorithms. The trajectory generalized optimal sub-pattern assignment metric (TGOSPA) is a recently proposed metric for such evaluations. The TGOSPA metric is computed as the solution to an optimization problem, but for large tracking scenarios, solving this problem becomes computationally demanding. In this paper, we present an approximation algorithm for evaluating the TGOSPA metric, based on casting the TGOSPA problem as an unbalanced multimarginal optimal transport problem. Following recent advances in computational optimal transport, we introduce an entropy regularization and derive an iterative scheme for solving the Lagrangian dual of the regularized problem. Numerical results suggest that our proposed algorithm is more computationally efficient than the alternative of computing the exact metric using a linear programming solver, while still providing an adequate approximation of the metric.
- Abstract（参考訳）: 複数のターゲットトラッキングでは、異なるトラッキングアルゴリズムの性能を評価することが重要である。
軌道一般化最適部分パターン割当量(TGOSPA)は,最近提案された評価基準である。
TGOSPA計量は最適化問題の解法として計算されるが、大規模追跡シナリオの場合、この問題の解決は計算的に要求される。
本稿では,TGOSPA問題を不均衡なマルチマルジナル最適輸送問題としてキャストすることで,TGOSPAメトリックを評価する近似アルゴリズムを提案する。
計算最適輸送の最近の進歩に続いて、エントロピー正則化を導入し、正規化問題のラグランジアン双対を解く反復スキームを導出する。
数値計算結果から,提案アルゴリズムは線形計画解法を用いて正確な距離を計算する方法よりも計算効率がよいが,精度は高いことが示唆された。
関連論文リスト
- Pathwise optimization for bridge-type estimators and its applications [49.1574468325115]
パスワイズ法は、ペナライズされた推定器の完全な経路を効率的に計算することができる。
これらのアルゴリズムを離散時間で観測されたプロセスのペナル化推定に適用する。
論文 参考訳（メタデータ） (2024-12-05T10:38:29Z) - An inexact Bregman proximal point method and its acceleration version
for unbalanced optimal transport [16.12354882333828]
不均衡最適輸送(UOT)問題は、計算生物学、計算イメージング、ディープラーニングにおいてますます重要な役割を担っている。
スケーリングアルゴリズムは、その利便性と優れた収束特性のために、UTTを解くために広く用いられている。
UOTを解くための不正確なBregman近点法を開発することで、この問題に対処する。
論文 参考訳（メタデータ） (2024-02-26T19:25:21Z) - Stochastic Ratios Tracking Algorithm for Large Scale Machine Learning
Problems [0.7614628596146599]
古典的なSGDフレームワークにおける適応的なステップ長選択のための新しいアルゴリズムを提案する。
妥当な条件下では、アルゴリズムは十分に確立された理論的な要件に従ってステップ長を生成する。
このアルゴリズムは,手動チューニングから得られる最良ステップ長に匹敵するステップ長を生成することができることを示す。
論文 参考訳（メタデータ） (2023-05-17T06:22:11Z) - Fast Computation of Optimal Transport via Entropy-Regularized Extragradient Methods [75.34939761152587]
2つの分布間の最適な輸送距離の効率的な計算は、様々な応用を促進するアルゴリズムとして機能する。
本稿では,$varepsilon$加法精度で最適な輸送を計算できるスケーラブルな一階最適化法を提案する。
論文 参考訳（メタデータ） (2023-01-30T15:46:39Z) - Regret Bounds for Expected Improvement Algorithms in Gaussian Process
Bandit Optimization [63.8557841188626]
期待されている改善(EI)アルゴリズムは、不確実性の下で最適化するための最も一般的な戦略の1つである。
本稿では,GP予測平均を通した標準既存値を持つEIの変種を提案する。
我々のアルゴリズムは収束し、$mathcal O(gamma_TsqrtT)$の累積後悔境界を達成することを示す。
論文 参考訳（メタデータ） (2022-03-15T13:17:53Z) - Outlier-Robust Sparse Estimation via Non-Convex Optimization [73.18654719887205]
空間的制約が存在する場合の高次元統計量と非破壊的最適化の関連について検討する。
これらの問題に対する新規で簡単な最適化法を開発した。
結論として、効率よくステーションに収束する一階法は、これらのタスクに対して効率的なアルゴリズムを導出する。
論文 参考訳（メタデータ） (2021-09-23T17:38:24Z) - Lower Bounds and Optimal Algorithms for Smooth and Strongly Convex
Decentralized Optimization Over Time-Varying Networks [79.16773494166644]
通信ネットワークのノード間を分散的に保存するスムーズで強い凸関数の和を最小化するタスクについて検討する。
我々は、これらの下位境界を達成するための2つの最適アルゴリズムを設計する。
我々は,既存の最先端手法と実験的な比較を行うことにより,これらのアルゴリズムの理論的効率を裏付ける。
論文 参考訳（メタデータ） (2021-06-08T15:54:44Z) - Improving Approximate Optimal Transport Distances using Quantization [23.319746583489763]
最適な輸送は、確率測度を幾何学的に比較する機械学習の一般的なツールである。
OTの線形プログラミングアルゴリズムは入力の規模を3倍にスケールし、大局的にOTを非現実的にする。
安価なサンプルアクセスで測定値間のOT距離を推定するために, 量子化ステップを用いた実用的アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-02-25T08:45:06Z) - Stochastic Optimization for Regularized Wasserstein Estimators [10.194798773447879]
ワッサーシュタイン推定器勾配の正規化版を、自然次元のサブ線形なステップ毎の時間で解くアルゴリズムを導入する。
このアルゴリズムは他のタスクにも拡張可能であることを示し、その中にはWasserstein Barycentersの推定も含まれる。
論文 参考訳（メタデータ） (2020-02-20T12:04:05Z) - Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
適応性は現代最適化理論において重要であるが、研究されていない性質である。
提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
論文 参考訳（メタデータ） (2020-02-13T05:42:27Z)
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。