論文の概要: WildLive: Near Real-time Visual Wildlife Tracking onboard UAVs
- arxiv url: http://arxiv.org/abs/2504.10165v2
- Date: Tue, 15 Apr 2025 12:06:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-16 22:11:45.490475
- Title: WildLive: Near Real-time Visual Wildlife Tracking onboard UAVs
- Title（参考訳）: WildLive:UAV搭載のほぼリアルタイムビジュアル野生生物追跡
- Authors: Nguyen Ngoc Dat, Tom Richardson, Matthew Watson, Kilian Meier, Jenna Kline, Sid Reid, Guy Maalouf, Duncan Hine, Majid Mirmehdi, Tilo Burghardt,
- Abstract要約: WildLiveは、航空機(UAV)上で直接走る高解像度画像のための、ほぼリアルタイムの動物検出と追跡のためのフレームワークである。
このシステムは、高高度飛行時の操作に適した4Kビデオストリーム上で、HDで17 fps+、HDで7 fps+でマルチアニマル検出を行う。
このデータセットは、ケニアのOl Pejeta Conservancyで収集された4K UAVビデオから、19k以上のフレームにわたる200k以上の注釈付き動物インスタンスで構成されています。
- 参考スコア（独自算出の注目度）: 4.215854427679142
- License:
- Abstract: Live tracking of wildlife via high-resolution video processing directly onboard drones is widely unexplored and most existing solutions rely on streaming video to ground stations to support navigation. Yet, both autonomous animal-reactive flight control beyond visual line of sight and/or mission-specific individual and behaviour recognition tasks rely to some degree on this capability. In response, we introduce WildLive -- a near real-time animal detection and tracking framework for high-resolution imagery running directly onboard uncrewed aerial vehicles (UAVs). The system performs multi-animal detection and tracking at 17fps+ for HD and 7fps+ on 4K video streams suitable for operation during higher altitude flights to minimise animal disturbance. Our system is optimised for Jetson Orin AGX onboard hardware. It integrates the efficiency of sparse optical flow tracking and mission-specific sampling with device-optimised and proven YOLO-driven object detection and segmentation techniques. Essentially, computational resource is focused onto spatio-temporal regions of high uncertainty to significantly improve UAV processing speeds without domain-specific loss of accuracy. Alongside, we introduce our WildLive dataset, which comprises 200k+ annotated animal instances across 19k+ frames from 4K UAV videos collected at the Ol Pejeta Conservancy in Kenya. All frames contain ground truth bounding boxes, segmentation masks, as well as individual tracklets and tracking point trajectories. We compare our system against current object tracking approaches including OC-SORT, ByteTrack, and SORT. Our materials are available at: https://dat-nguyenvn.github.io/WildLive/
- Abstract（参考訳）: ドローン上での高解像度ビデオ処理による野生生物のライブ追跡は、広く解明されておらず、既存のほとんどのソリューションは、ナビゲーションをサポートするために地上局へのストリーミングビデオに依存している。
しかし、視覚的な視線を超えた自律的な動物反応性飛行制御や、ミッション固有の個人および行動認識タスクは、この能力にある程度依存している。
これに対し、WildLiveは、無人航空機(UAV)上で直接動作する高解像度画像のための、ほぼリアルタイムの動物検出と追跡のためのフレームワークである。
このシステムは、高高度飛行時の操作に適した4Kビデオストリーム上で、HDで17fps+、HDで7fps+でマルチアニマル検出と追跡を行う。
本システムは,Jetson Orin AGX搭載ハードウェアに最適化されている。
デバイス最適化および実証されたYOLO駆動物体検出とセグメンテーション技術により、スパース光フロートラッキングとミッション固有サンプリングの効率を向上する。
本質的に、計算資源は領域固有の精度の喪失なしにUAV処理速度を大幅に向上させるため、高い不確実性の時空間領域に焦点を合わせている。
このデータセットは、ケニアのOl Pejeta Conservancyで収集された4K UAVビデオから、19k以上のフレームにわたる200k以上の注釈付き動物インスタンスで構成されています。
全てのフレームには、接地真理境界ボックス、セグメンテーションマスク、個々のトラックレット、トラッキングポイントトラジェクトリが含まれる。
我々は,OC-SORT,ByteTrack,SORTなどのオブジェクト追跡手法と比較した。
私たちの資料は、https://dat-nguyenvn.github.io/WildLive/で公開されています。
関連論文リスト
- A Cross-Scene Benchmark for Open-World Drone Active Tracking [54.235808061746525]
Drone Visual Active Trackingは、視覚的な観察に基づいてモーションシステムを制御することで、対象物を自律的に追跡することを目的としている。
DATと呼ばれるオープンワールドドローンアクティブトラッキングのためのクロスシーンクロスドメインベンチマークを提案する。
また、R-VATと呼ばれる強化学習に基づくドローン追跡手法を提案する。
論文 参考訳（メタデータ） (2024-12-01T09:37:46Z) - Improving Underwater Visual Tracking With a Large Scale Dataset and
Image Enhancement [70.2429155741593]
本稿では,水中ビジュアルオブジェクト追跡(UVOT)のための新しいデータセットと汎用トラッカ拡張手法を提案する。
水中環境は、一様でない照明条件、視界の低さ、鋭さの欠如、コントラストの低さ、カモフラージュ、懸濁粒子からの反射を示す。
本研究では,追尾品質の向上に特化して設計された水中画像強調アルゴリズムを提案する。
この手法により、最先端(SOTA)ビジュアルトラッカーの最大5.0%のAUCの性能が向上した。
論文 参考訳（メタデータ） (2023-08-30T07:41:26Z) - Continuity-Aware Latent Interframe Information Mining for Reliable UAV
Tracking [5.9397055042513465]
無人航空機(UAV)の追跡は自律走行に不可欠であり、ロボット自動化分野に広く応用されている。
本研究は,信頼性のあるUAV追跡,すなわちClimRTのための連続性を考慮した潜時間情報マイニングを行う新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-08T11:42:57Z) - AVisT: A Benchmark for Visual Object Tracking in Adverse Visibility [125.77396380698639]
AVisTは、視認性の悪いさまざまなシナリオにおける視覚的トラッキングのためのベンチマークである。
AVisTは、80kの注釈付きフレームを持つ120の挑戦的なシーケンスで構成されており、18の多様なシナリオにまたがっている。
我々は、属性間でのトラッキング性能を詳細に分析し、AVisTで17の人気のトラッカーと最近のトラッカーをベンチマークした。
論文 参考訳（メタデータ） (2022-08-14T17:49:37Z) - Siamese Object Tracking for Unmanned Aerial Vehicle: A Review and
Comprehensive Analysis [15.10348491862546]
無人航空機(UAV)による視覚的物体追跡は幅広い応用を可能にしている。
シームズネットワークは、精度、堅牢性、スピードの有望なバランスを保ちながら、視覚的オブジェクト追跡に光を当てている。
論文 参考訳（メタデータ） (2022-05-09T13:53:34Z) - Scalable and Real-time Multi-Camera Vehicle Detection,
Re-Identification, and Tracking [58.95210121654722]
理想化されたビデオストリームやキュレートされたビデオストリームの代わりに,リアルタイムで低解像度のCCTVを処理する,リアルタイムな都市規模のマルチカメラ車両追跡システムを提案する。
私たちの手法は、公共のリーダーボードで上位5人のパフォーマーにランク付けされています。
論文 参考訳（メタデータ） (2022-04-15T12:47:01Z) - Small or Far Away? Exploiting Deep Super-Resolution and Altitude Data
for Aerial Animal Surveillance [3.8015092217142223]
本研究では,全体的注目ネットワークに基づく超解像手法と,カスタム構築された高度データ利用ネットワークにより,実環境における検出の有効性が向上することを示す。
SAVMAP と AED の2つの大型航空捕獲動物データセットを用いて,本システムの評価を行った。
論文 参考訳（メタデータ） (2021-11-12T17:30:55Z) - A Multi-UAV System for Exploration and Target Finding in Cluttered and
GPS-Denied Environments [68.31522961125589]
複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。
UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。
その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
論文 参考訳（メタデータ） (2021-07-19T12:54:04Z) - AcinoSet: A 3D Pose Estimation Dataset and Baseline Models for Cheetahs
in the Wild [51.35013619649463]
我々はAcinoSetと呼ばれる野生のフリーランニングチーターの広範なデータセットを提示する。
データセットには、119,490フレームのマルチビュー同期高速ビデオ映像、カメラキャリブレーションファイル、7,588フレームが含まれている。
また、結果の3D軌道、人間チェックされた3D地上真実、およびデータを検査するインタラクティブツールも提供される。
論文 参考訳（メタデータ） (2021-03-24T15:54:11Z) - Correlation Filters for Unmanned Aerial Vehicle-Based Aerial Tracking: A
Review and Experimental Evaluation [17.8941834997338]
識別相関フィルタ (DCF) ベースのトラッカーは, 単一のCPU上での高い計算効率とロバスト性で注目されている。
この研究では、23の最先端のDCFベースのトラッカーが、様々な問題を解決するためのイノベーションに従って要約されている。
実験では、UAVトラッキングにおけるDCFベースのトラッカーの現在の課題として、パフォーマンスを示し、実現可能性を検証する。
論文 参考訳（メタデータ） (2020-10-13T09:35:40Z)
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。