論文の概要: GoTrack: Generic 6DoF Object Pose Refinement and Tracking

• arxiv url: http://arxiv.org/abs/2506.07155v1
• Date: Sun, 08 Jun 2025 14:01:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-10 16:33:10.693637
• Title: GoTrack: Generic 6DoF Object Pose Refinement and Tracking
• Title（参考訳）: GoTrack: ジェネリックな6DoFオブジェクトポッドのリファインメントとトラッキング
• Authors: Van Nguyen Nguyen, Christian Forster, Sindi Shkodrani, Vincent Lepetit, Bugra Tekin, Cem Keskin, Tomas Hodan,
• Abstract要約: GoTrackは、6DoFオブジェクトの修正と追跡のための効率的で正確なCADベースの手法である。 GoTrackはフレーム間登録を統合し、計算を節約し、トラッキングを安定化する。
• 参考スコア（独自算出の注目度）: 23.482231006169176
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce GoTrack, an efficient and accurate CAD-based method for 6DoF object pose refinement and tracking, which can handle diverse objects without any object-specific training. Unlike existing tracking methods that rely solely on an analysis-by-synthesis approach for model-to-frame registration, GoTrack additionally integrates frame-to-frame registration, which saves compute and stabilizes tracking. Both types of registration are realized by optical flow estimation. The model-to-frame registration is noticeably simpler than in existing methods, relying only on standard neural network blocks (a transformer is trained on top of DINOv2) and producing reliable pose confidence scores without a scoring network. For the frame-to-frame registration, which is an easier problem as consecutive video frames are typically nearly identical, we employ a light off-the-shelf optical flow model. We demonstrate that GoTrack can be seamlessly combined with existing coarse pose estimation methods to create a minimal pipeline that reaches state-of-the-art RGB-only results on standard benchmarks for 6DoF object pose estimation and tracking. Our source code and trained models are publicly available at https://github.com/facebookresearch/gotrack
• Abstract（参考訳）: GoTrackは、6DoFオブジェクトの修正と追跡を効率よく精度よく行うCADベースの手法で、オブジェクト固有のトレーニングを必要とせずに、多様なオブジェクトを処理できる。 モデル・ツー・フレームの登録に分析・合成アプローチのみに依存する既存のトラッキング方法とは異なり、GoTrackではフレーム・ツー・フレームの登録も統合されており、計算を節約し、トラッキングを安定化させる。 どちらの種類の登録も光学的フロー推定によって実現される。 モデル・ツー・フレームの登録は、既存の方法よりも明らかにシンプルで、標準のニューラルネットワークブロックのみに依存している(トランスフォーマーはDINOv2上でトレーニングされている)。 連続するビデオフレームがほぼ同一であるので、フレーム間登録は容易な問題であるが、本研究では、オフザシェルフ光フローモデルを用いる。 我々は,GoTrackを既存の粗いポーズ推定手法とシームレスに組み合わせて,6DoFオブジェクトのポーズ推定とトラッキングのための標準ベンチマークにおいて,最先端のRGBのみの結果に到達する最小限のパイプラインを作成することを実証した。 私たちのソースコードとトレーニングされたモデルはhttps://github.com/facebookresearch/gotrackで公開されています。

関連論文リスト

• An Approximate Dynamic Programming Framework for Occlusion-Robust Multi-Object Tracking [2.4549686118633938]
  近似動的プログラミングトラック(ADPTrack)というフレームワークを提案する。 これは、ベースと呼ばれる既存のメソッドを改善するために動的プログラミングの原則を適用します。 提案手法は,最先端手法よりも精度が0.7%向上したことを示す。
  論文  参考訳（メタデータ） (2024-05-24T01:27:14Z)
• Exploring Dynamic Transformer for Efficient Object Tracking [58.120191254379854]
  効率的なトラッキングのための動的トランスフォーマーフレームワークであるDyTrackを提案する。 DyTrackは、様々な入力に対して適切な推論ルートを設定することを学習し、利用可能な計算予算をより活用する。 複数のベンチマークの実験では、DyTrackは単一のモデルで有望な速度精度のトレードオフを実現している。
  論文  参考訳（メタデータ） (2024-03-26T12:31:58Z)
• Dense Optical Tracking: Connecting the Dots [82.79642869586587]
  DOTは、ビデオにおけるポイントトラッキングの問題を解決するための、新しくてシンプルで効率的な方法である。 OmniMotionのような高度な"ユニバーサルトラッカー"を上回り、CoTrackerのような最良のポイントトラッキングアルゴリズムと同等か、あるいはそれ以上の精度で、DOTが現在の光フロー技術よりもはるかに正確であることを示す。
  論文  参考訳（メタデータ） (2023-12-01T18:59:59Z)
• Joint Feature Learning and Relation Modeling for Tracking: A One-Stream Framework [76.70603443624012]
  特徴学習と関係モデリングを統合した新しい一ストリーム追跡(OSTrack)フレームワークを提案する。 このようにして、相互誘導により識別的目標指向特徴を動的に抽出することができる。 OSTrackは、複数のベンチマークで最先端のパフォーマンスを実現しており、特に、ワンショットトラッキングベンチマークのGOT-10kでは印象的な結果を示している。
  論文  参考訳（メタデータ） (2022-03-22T18:37:11Z)
• Exploring Simple 3D Multi-Object Tracking for Autonomous Driving [10.921208239968827]
  LiDARポイントクラウドにおける3Dマルチオブジェクトトラッキングは、自動運転車にとって重要な要素である。 既存の手法は、主にトラッキング・バイ・検出パイプラインに基づいており、検出アソシエーションのマッチングステップが必然的に必要である。 我々は,手作りの追跡パラダイムをシンプルにするために,原点雲からの共同検出と追跡のためのエンドツーエンドのトレーニング可能なモデルを提案する。
  論文  参考訳（メタデータ） (2021-08-23T17:59:22Z)
• BundleTrack: 6D Pose Tracking for Novel Objects without Instance or Category-Level 3D Models [1.14219428942199]
  この研究は、オブジェクトの6Dポーズトラッキングのための一般的なフレームワークである BundleTrackを提案する。 フレームワークの効率的な実装は、フレームワーク全体に対してリアルタイムな10Hzのパフォーマンスを提供する。
  論文  参考訳（メタデータ） (2021-08-01T18:14:46Z)

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。