論文の概要: Deep LG-Track: An Enhanced Localization-Confidence-Guided Multi-Object Tracker

• arxiv url: http://arxiv.org/abs/2504.01457v1
• Date: Wed, 02 Apr 2025 08:10:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 13:21:35.335487
• Title: Deep LG-Track: An Enhanced Localization-Confidence-Guided Multi-Object Tracker
• Title（参考訳）: Deep LG-Track: ローカライゼーション依存型マルチオブジェクトトラッカー
• Authors: Ting Meng, Chunyun Fu, Xiangyan Yan, Zheng Liang, Pan Ji, Jianwen Wang, Tao Huang,
• Abstract要約: Deep LG-Trackは、トラッキング精度とロバスト性を改善するために3つの重要な拡張を組み込んだ、新しいマルチオブジェクトトラッカーである。 MOT17とMOT20データセットの総合的な評価は、提案されたDeep LG-Trackが常に最先端のトラッカーより優れていることを示している。
• 参考スコア（独自算出の注目度）: 13.846239755569552
• License:
• Abstract: Multi-object tracking plays a crucial role in various applications, such as autonomous driving and security surveillance. This study introduces Deep LG-Track, a novel multi-object tracker that incorporates three key enhancements to improve the tracking accuracy and robustness. First, an adaptive Kalman filter is developed to dynamically update the covariance of measurement noise based on detection confidence and trajectory disappearance. Second, a novel cost matrix is formulated to adaptively fuse motion and appearance information, leveraging localization confidence and detection confidence as weighting factors. Third, a dynamic appearance feature updating strategy is introduced, adjusting the relative weighting of historical and current appearance features based on appearance clarity and localization accuracy. Comprehensive evaluations on the MOT17 and MOT20 datasets demonstrate that the proposed Deep LG-Track consistently outperforms state-of-the-art trackers across multiple performance metrics, highlighting its effectiveness in multi-object tracking tasks.
• Abstract（参考訳）: マルチオブジェクトトラッキングは、自律運転やセキュリティ監視など、さまざまなアプリケーションにおいて重要な役割を果たす。 この研究は、トラッキング精度とロバスト性を改善するために、3つの重要な拡張を組み込んだ新しい多目的トラッカーであるDeep LG-Trackを紹介する。 まず, 適応カルマンフィルタを用いて, 検出信頼度と軌跡の消失率に基づいて, 測定ノイズの共分散を動的に更新する。 第二に、新たなコスト行列を定式化し、局所化信頼度と検出信頼度を重み付け因子として活用する。 第3に、外観明瞭度と位置決め精度に基づいて、歴史的、現在の外観特徴の相対重み付けを調整する動的外観特徴更新戦略を導入する。 MOT17とMOT20データセットに関する総合的な評価は、提案されたDeep LG-Trackが、複数のパフォーマンス指標で一貫して最先端トラッカーよりも優れており、マルチオブジェクトトラッキングタスクの有効性を強調していることを示している。

関連論文リスト

• Deep Learning-Based Robust Multi-Object Tracking via Fusion of mmWave Radar and Camera Sensors [6.166992288822812]
  複雑なトラフィックシナリオを通じて、より安全で効率的なナビゲーションを実現する上で、マルチオブジェクトトラッキングは重要な役割を果たす。 本稿では,自律走行システムにおける複数物体追跡の精度とロバスト性を高めるために,レーダデータとカメラデータを統合した新しいディープラーニング方式を提案する。
  論文  参考訳（メタデータ） (2024-07-10T21:09:09Z)
• RTracker: Recoverable Tracking via PN Tree Structured Memory [71.05904715104411]
  本稿では,木構造メモリを用いてトラッカーと検出器を動的に関連付け,自己回復を可能にするRTrackerを提案する。 具体的には,正負と負のターゲットサンプルを時系列に保存し,維持する正負のツリー構造メモリを提案する。 我々の中核となる考え方は、正と負の目標カテゴリーの支持サンプルを用いて、目標損失の信頼性評価のための相対的距離に基づく基準を確立することである。
  論文  参考訳（メタデータ） (2024-03-28T08:54:40Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• MotionTrack: Learning Motion Predictor for Multiple Object Tracking [68.68339102749358]
  本研究では,学習可能なモーション予測器を中心に,新しいモーショントラッカーであるMotionTrackを紹介する。 実験結果から、MotionTrackはDancetrackやSportsMOTといったデータセット上での最先端のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2023-06-05T04:24:11Z)
• SCTracker: Multi-object tracking with shape and confidence constraints [11.210661553388615]
  本稿では,SCTrackerという形状制約と信頼性に基づく多目的トラッカーを提案する。 トラックと検出の間のコスト行列を計算するために, 形状制約付きユニオン距離の割り込みを適用した。 検出信頼度に基づくカルマンフィルタを用いて動作状態を更新し、検出信頼性が低い場合にトラッキング性能を向上させる。
  論文  参考訳（メタデータ） (2023-05-16T15:18:42Z)
• You Only Need Two Detectors to Achieve Multi-Modal 3D Multi-Object Tracking [9.20064374262956]
  提案手法は,2次元検出器と3次元検出器のみを用いて,ロバストなトラッキングを実現する。 多くの最先端のTBDベースのマルチモーダルトラッキング手法よりも正確であることが証明されている。
  論文  参考訳（メタデータ） (2023-04-18T02:45:18Z)
• 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)
• Dyna-DepthFormer: Multi-frame Transformer for Self-Supervised Depth Estimation in Dynamic Scenes [19.810725397641406]
  シーン深度と3次元運動場を協調的に予測する新しいDyna-Depthformerフレームワークを提案する。 まず,多視点の相関を一連の自己・横断的層を通じて活用し,深度特徴表現の強化を図る。 第2に,動的物体の運動場をセマンティック・プレセプションを使わずに推定するワーピングに基づく運動ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-01-14T09:43:23Z)
• Learning Dynamic Compact Memory Embedding for Deformable Visual Object Tracking [82.34356879078955]
  本稿では,セグメント化に基づく変形可能な視覚追跡手法の識別を強化するために,コンパクトなメモリ埋め込みを提案する。 DAVIS 2017ベンチマークでは,D3SやSiamMaskなどのセグメンテーションベースのトラッカーよりも優れている。
  論文  参考訳（メタデータ） (2021-11-23T03:07:12Z)
• Distractor-Aware Fast Tracking via Dynamic Convolutions and MOT Philosophy [63.91005999481061]
  実用的長期トラッカーは、典型的には3つの重要な特性を含む。 効率的なモデル設計、効果的なグローバル再検出戦略、堅牢な気晴らし認識メカニズム。 動的畳み込み (d-convs) と多重オブジェクト追跡 (MOT) の哲学を用いて, 注意をそらした高速トラッキングを実現するための2タスクトラッキングフレームワーク(DMTrack)を提案する。 我々のトラッカーはLaSOT, OxUvA, TLP, VOT2018LT, VOT 2019LTベンチマークの最先端性能を実現し, リアルタイム3倍高速に動作させる。
  論文  参考訳（メタデータ） (2021-04-25T00:59:53Z)
• Robust Ego and Object 6-DoF Motion Estimation and Tracking [5.162070820801102]
  本稿では,動的多体視覚計測における高精度な推定と一貫した追跡性を実現するためのロバストな解を提案する。 セマンティック・インスタンスレベルのセグメンテーションと正確な光フロー推定の最近の進歩を活用して、コンパクトで効果的なフレームワークを提案する。 追従点の品質と運動推定精度を向上させる新しい定式化SE(3)運動と光流が導入された。
  論文  参考訳（メタデータ） (2020-07-28T05:12:56Z)

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。