論文の概要: OptiPMB: Enhancing 3D Multi-Object Tracking with Optimized Poisson Multi-Bernoulli Filtering

• arxiv url: http://arxiv.org/abs/2503.12968v1
• Date: Mon, 17 Mar 2025 09:24:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-18 12:29:05.180764
• Title: OptiPMB: Enhancing 3D Multi-Object Tracking with Optimized Poisson Multi-Bernoulli Filtering
• Title（参考訳）: OptiPMB: Poisson Multi-Bernoulli Filtering を用いた3次元多物体追跡の高速化
• Authors: Guanhua Ding, Yuxuan Xia, Runwei Guan, Qinchen Wu, Tao Huang, Weiping Ding, Jinping Sun, Guoqiang Mao,
• Abstract要約: 最適化されたPoisson Multi-Bernoulliフィルタを用いた新しい RFS ベースの 3D MOT 法であるOptiPMB を提案する。 OptiPMBは,最先端手法と比較して,トラッキング精度が優れていることを示す。
• 参考スコア（独自算出の注目度）: 16.047505930360202
• License:
• Abstract: Accurate 3D multi-object tracking (MOT) is crucial for autonomous driving, as it enables robust perception, navigation, and planning in complex environments. While deep learning-based solutions have demonstrated impressive 3D MOT performance, model-based approaches remain appealing for their simplicity, interpretability, and data efficiency. Conventional model-based trackers typically rely on random vector-based Bayesian filters within the tracking-by-detection (TBD) framework but face limitations due to heuristic data association and track management schemes. In contrast, random finite set (RFS)-based Bayesian filtering handles object birth, survival, and death in a theoretically sound manner, facilitating interpretability and parameter tuning. In this paper, we present OptiPMB, a novel RFS-based 3D MOT method that employs an optimized Poisson multi-Bernoulli (PMB) filter while incorporating several key innovative designs within the TBD framework. Specifically, we propose a measurement-driven hybrid adaptive birth model for improved track initialization, employ adaptive detection probability parameters to effectively maintain tracks for occluded objects, and optimize density pruning and track extraction modules to further enhance overall tracking performance. Extensive evaluations on nuScenes and KITTI datasets show that OptiPMB achieves superior tracking accuracy compared with state-of-the-art methods, thereby establishing a new benchmark for model-based 3D MOT and offering valuable insights for future research on RFS-based trackers in autonomous driving.
• Abstract（参考訳）: 高精度な3Dマルチオブジェクトトラッキング(MOT)は、複雑な環境での堅牢な認識、ナビゲーション、計画を可能にするため、自動運転に不可欠である。 ディープラーニングベースのソリューションは印象的な3D MOTパフォーマンスを示しているが、モデルベースのアプローチは、その単純さ、解釈可能性、データ効率をアピールしている。 従来のモデルベースのトラッカーは、通常、ランダムなベクトルベースのベイズフィルタをトラッキング・バイ・ディテクト(TBD)フレームワークに頼っているが、ヒューリスティックなデータアソシエーションとトラック管理スキームによって制限に直面している。 対照的に、ランダム有限集合(RFS)ベースのベイズフィルタは、理論的に健全な方法でオブジェクトの誕生、生存、死亡を処理し、解釈可能性とパラメータチューニングを容易にする。 本稿では, 最適化されたPoisson multi-Bernoulli (PMB) フィルタを用いて, TBD フレームワークにいくつかの革新的設計を取り入れた新しい RFS ベースの 3D MOT 手法である OptiPMB を提案する。 具体的には、トラックの初期化を改善するための測定駆動型ハイブリッド適応出生モデルを提案し、適応検出確率パラメータを用いて、隠蔽対象のトラックを効果的に維持し、密度プルーニングとトラック抽出モジュールを最適化し、全体的なトラッキング性能をさらに向上させる。 nuScenesとKITTIデータセットの大規模な評価により、OptiPMBは最先端の手法と比較して優れたトラッキング精度を達成し、モデルベースの3D MOTの新しいベンチマークを確立し、自動運転におけるRCSベースのトラッカーの研究に有用な洞察を提供する。

関連論文リスト

• IMM-MOT: A Novel 3D Multi-object Tracking Framework with Interacting Multiple Model Filter [10.669576499007139]
  3D Multi-Object Tracking (MOT) は周囲の物体の軌跡を提供する。 トラッキング・バイ・ディテククションフレームワークに基づく既存の3D MOTメソッドは、通常、オブジェクトを追跡するために単一のモーションモデルを使用する。 IMM-MOTにおける干渉多重モデルフィルタを導入し、個々の物体の複雑な動きパターンを正確にマッチングする。
  論文  参考訳（メタデータ） (2025-02-13T01:55:32Z)
• Affordances-Oriented Planning using Foundation Models for Continuous Vision-Language Navigation [64.84996994779443]
  本稿では,連続視覚言語ナビゲーション(VLN)タスクのためのAffordances-Oriented Plannerを提案する。 我々のAO-Plannerは、様々な基礎モデルを統合して、アベイランス指向の低レベルな動き計画とハイレベルな意思決定を実現する。 挑戦的なR2R-CEデータセットとRxR-CEデータセットの実験は、AO-Plannerが最先端のゼロショットのパフォーマンスを達成したことを示している。
  論文  参考訳（メタデータ） (2024-07-08T12:52:46Z)
• OccNeRF: Advancing 3D Occupancy Prediction in LiDAR-Free Environments [77.0399450848749]
  本稿では,OccNeRF法を用いて,3次元監視なしで占有ネットワークを訓練する手法を提案する。 我々は、再構成された占有領域をパラメータ化し、サンプリング戦略を再編成し、カメラの無限知覚範囲に合わせる。 意味的占有予測のために,事前学習した開語彙2Dセグメンテーションモデルの出力をフィルタリングし,プロンプトを洗練するためのいくつかの戦略を設計する。
  論文  参考訳（メタデータ） (2023-12-14T18:58:52Z)
• Modeling Continuous Motion for 3D Point Cloud Object Tracking [54.48716096286417]
  本稿では,各トラックレットを連続ストリームとみなす新しいアプローチを提案する。 各タイムスタンプでは、現在のフレームだけがネットワークに送られ、メモリバンクに格納された複数フレームの履歴機能と相互作用する。 頑健な追跡のためのマルチフレーム機能の利用性を高めるために,コントラッシブシーケンス強化戦略を提案する。
  論文  参考訳（メタデータ） (2023-03-14T02:58:27Z)
• Exploring Point-BEV Fusion for 3D Point Cloud Object Tracking with Transformer [62.68401838976208]
  3Dオブジェクトトラッキングは、オブジェクトテンプレートが与えられた連続したフレームにおけるオブジェクトの位置と向きを予測することを目的としている。 トランスの成功に触発されたPTTR(Point Tracking TRansformer)を提案する。
  論文  参考訳（メタデータ） (2022-08-10T08:36:46Z)
• Weighted Bayesian Gaussian Mixture Model for Roadside LiDAR Object Detection [0.5156484100374059]
  背景モデリングは、静的な背景成分を減じることで移動目標を検出するインテリジェントな監視システムに広く利用されている。 多くの道路沿いのLiDARオブジェクト検出手法は、新しいデータポイントと事前訓練されたバックグラウンド参照を比較して前景点をフィルタリングする。 本稿では,各LiDAR点の標高と方位値に基づいて,生のLiDARデータを構造化表現に変換する。 提案手法は,2つの最先端の道路背景モデル,コンピュータビジョンベンチマーク,深層学習ベースラインを比較し,交通量と難易度で評価された点,対象,経路レベルを比較した。
  論文  参考訳（メタデータ） (2022-04-20T22:48:05Z)
• Transforming Model Prediction for Tracking [109.08417327309937]
  トランスフォーマーは、誘導バイアスの少ないグローバルな関係を捉え、より強力なターゲットモデルの予測を学ぶことができる。 提案したトラッカーをエンドツーエンドにトレーニングし、複数のトラッカーデータセットに関する総合的な実験を行うことで、その性能を検証する。 我々のトラッカーは3つのベンチマークで新しい技術状態を設定し、挑戦的なLaSOTデータセットで68.5%のAUCを達成した。
  論文  参考訳（メタデータ） (2022-03-21T17:59:40Z)
• DetFlowTrack: 3D Multi-object Tracking based on Simultaneous Optimization of Object Detection and Scene Flow Estimation [23.305159598648924]
  オブジェクト検出とシーンフロー推定の同時最適化に基づく3次元MOTフレームワークを提案する。 特に回転を伴う動きの場合のより正確なシーンフローラベルについて,ボックス変換に基づくシーンフローグラウンド真理計算法を提案する。 KITTI MOTデータセットの実験結果は、回転を伴う極運動下での最先端とロバスト性に対して競合する結果を示した。
  論文  参考訳（メタデータ） (2022-03-04T07:06:47Z)
• Multitarget Tracking with Transformers [21.81266872964314]
  マルチターゲットトラッキング(MTT)は、ノイズの多い測定を使用して未知のオブジェクトの数の状態を追跡する問題です。 本稿では,Transformer アーキテクチャに基づく MTT の高性能深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-04-01T19:14:55Z)
• Multi-Object Tracking using Poisson Multi-Bernoulli Mixture Filtering for Autonomous Vehicles [0.0]
  自動運転車が3Dトラッキングを行う能力は、散らかった環境における安全な計画とナビゲーションに不可欠である。 自動運転アプリケーションにおけるマルチオブジェクトトラッキング(MOT)の主な課題は、オブジェクトの数、オブジェクトの出現および消失の時期および場所、およびオブジェクトの状態に関する不確実性に関する固有の不確実性にあります。 本研究では、3D LiDARデータのためのRFSベースのMOTフレームワークを開発した。 本稿では、自律運転アプリケーションにおけるアモーダルMOT問題を解決するために、Poisson Multi-Bernoulli混合フィルタを提案する。
  論文  参考訳（メタデータ） (2021-03-13T20:24:18Z)
• MOPS-Net: A Matrix Optimization-driven Network forTask-Oriented 3D Point Cloud Downsampling [86.42733428762513]
  MOPS-Netは行列最適化のための新しい解釈可能な深層学習手法である。 我々はMOPS-Netが様々なタスクに対して最先端の深層学習手法に対して好適な性能が得られることを示す。
  論文  参考訳（メタデータ） (2020-05-01T14:01:53Z)

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。