Fugu-MT 論文翻訳(概要): Multi-Object Tracking for Collision Avoidance Using Multiple Cameras in Open RAN Networks

論文の概要: Multi-Object Tracking for Collision Avoidance Using Multiple Cameras in Open RAN Networks

arxiv url: http://arxiv.org/abs/2504.07163v1
Date: Wed, 09 Apr 2025 17:36:40 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-11 12:24:15.164255
Title: Multi-Object Tracking for Collision Avoidance Using Multiple Cameras in Open RAN Networks
Title（参考訳）: オープンRANネットワークにおける複数カメラを用いた衝突回避のための多目的追跡
Authors: Jordi Serra, Anton Aguilar, Ebrahim Abu-Helalah, Raúl Parada, Paolo Dini,
Abstract要約: 本稿では,オープン無線アクセスネットワーク(RAN)の範囲内でのマルチオブジェクト検出・追跡問題を扱う。この目的のために、カメラとコロケーションされた分散インテリジェントエージェントのセットを検討する。検出されたオブジェクトの融合は、Open RAN接続性を考慮してエッジサービスで実行される。
参考スコア（独自算出の注目度）: 2.3784320672898227
License:
Abstract: This paper deals with the multi-object detection and tracking problem, within the scope of open Radio Access Network (RAN), for collision avoidance in vehicular scenarios. To this end, a set of distributed intelligent agents collocated with cameras are considered. The fusion of detected objects is done at an edge service, considering Open RAN connectivity. Then, the edge service predicts the objects trajectories for collision avoidance. Compared to the related work a more realistic Open RAN network is implemented and multiple cameras are used.
Abstract（参考訳）: 本稿では,車両シナリオにおける衝突回避のため,オープン無線アクセスネットワーク(RAN)の範囲内での複数物体検出・追跡問題を扱う。この目的のために、カメラとコロケーションされた分散インテリジェントエージェントのセットを検討する。検出されたオブジェクトの融合は、Open RAN接続性を考慮してエッジサービスで実行される。そして、エッジサービスが衝突回避のための物体軌跡を予測する。関連する作業と比較すると、より現実的なOpen RANネットワークが実装され、複数のカメラが使用される。

関連論文リスト

Multi-Task Cross-Modality Attention-Fusion for 2D Object Detection [6.388430091498446]
レーダとカメラデータの整合性を向上する2つの新しいレーダ前処理手法を提案する。また,オブジェクト検出のためのMulti-Task Cross-Modality Attention-Fusion Network (MCAF-Net)を導入する。我々のアプローチは、nuScenesデータセットにおける現在の最先端のレーダーカメラフュージョンベースのオブジェクト検出器よりも優れています。
論文参考訳（メタデータ） (2023-07-17T09:26:13Z)
Multi-Modal 3D Object Detection by Box Matching [109.43430123791684]
マルチモーダル3次元検出のためのボックスマッチング(FBMNet)による新しいフュージョンネットワークを提案する。 3Dオブジェクトと2Dオブジェクトの提案を学習することで、ROI特徴を組み合わせることで、検出のための融合を効果的に行うことができる。
論文参考訳（メタデータ） (2023-05-12T18:08:51Z)
Tracking Passengers and Baggage Items using Multiple Overhead Cameras at Security Checkpoints [2.021502591596062]
空港の検問所のセキュリティシナリオのために,オーバーヘッドカメラビデオ中の複数のオブジェクトを追跡する新しいフレームワークを提案する。オーバヘッド画像からのインスタンスセグメンテーションの不確実性に関するモデル情報を提供するために,自己監視学習(SSL)手法を提案する。この結果から,自己超越はモデルの推定時間を増大させることなく,オブジェクト検出精度を最大42%向上させることがわかった。
論文参考訳（メタデータ） (2022-12-31T12:57:09Z)
Instance-Aware Observer Network for Out-of-Distribution Object Segmentation [94.73449180972239]
我々は、インスタンスワイドマスク予測を利用して、ObsNetのアプローチを拡張します。提案手法は,3つのデータセット上の分布内オブジェクトから分布内オブジェクトを正確に分離する。
論文参考訳（メタデータ） (2022-07-18T17:38:40Z)
Ensembling object detectors for image and video data analysis [98.26061123111647]
本稿では,複数の物体検出器の出力をアンサンブルすることで,画像データ上の境界ボックスの検出性能と精度を向上させる手法を提案する。本研究では,2段階追跡に基づく検出精度向上手法を提案することで,映像データに拡張する。
論文参考訳（メタデータ） (2021-02-09T12:38:16Z)
Online Clustering-based Multi-Camera Vehicle Tracking in Scenarios with overlapping FOVs [2.6365690297272617]
マルチターゲットマルチカメラ(MTMC)車両追跡は,視覚的交通監視において重要な課題である。本稿では,MTMC追跡のための新しい低遅延オンライン手法を提案する。
論文参考訳（メタデータ） (2021-02-08T09:55:55Z)
Perceiving Traffic from Aerial Images [86.994032967469]
本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。 UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
論文参考訳（メタデータ） (2020-09-16T11:37:43Z)
Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。その結果,小型歩行者の検出における本手法の有効性が示唆された。
論文参考訳（メタデータ） (2020-08-19T13:13:01Z)
Tracking Passengers and Baggage Items using Multi-camera Systems at Security Checkpoints [0.7424262881242935]
本稿では,空港のチェックポイントセキュリティシナリオのためのカメラビデオの複数のオブジェクトをトラッキングする新しいトラッキング・バイ・検出フレームワークを提案する。提案手法は,テスト時間データ拡張手法を用いてオブジェクト検出を改善する。空港チェックポイント環境における複数のオーバーヘッドカメラから得られた映像の検出,追跡,関連性の評価は,提案手法の有効性を実証する。
論文参考訳（メタデータ） (2020-07-15T18:09:31Z)
IA-MOT: Instance-Aware Multi-Object Tracking with Motion Consistency [40.354708148590696]
IA-MOT(Instance-Aware MOT)は、静止カメラまたは移動カメラで複数の物体を追跡できる。提案手法は,CVPR 2020ワークショップにおけるBMTTチャレンジのトラック3で優勝した。
論文参考訳（メタデータ） (2020-06-24T03:53:36Z)
siaNMS: Non-Maximum Suppression with Siamese Networks for Multi-Camera 3D Object Detection [65.03384167873564]
サイムズネットワークは、よく知られた3Dオブジェクト検出器アプローチのパイプラインに統合される。アソシエーションはオブジェクトの3Dボックスレグレッションを強化するために利用される。 nuScenesデータセットの実験的評価は,提案手法が従来のNMS手法よりも優れていることを示している。
論文参考訳（メタデータ） (2020-02-19T15:32:38Z)

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。