論文の概要: Integrated Gaussian Processes for Robust and Adaptive Multi-Object Tracking
- arxiv url: http://arxiv.org/abs/2507.04116v1
- Date: Sat, 05 Jul 2025 17:45:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-08 15:46:35.021637
- Title: Integrated Gaussian Processes for Robust and Adaptive Multi-Object Tracking
- Title（参考訳）: ロバストおよび適応多目的追跡のためのガウス過程の統合化
- Authors: Fred Lydeard, Bashar I. Ahmad, Simon Godsill,
- Abstract要約: 本稿では,トラックブレークを最小限に抑える,計算効率のよいマルチオブジェクト追跡手法を提案する。
統合ガウス過程が運動モデルとして提供するフレキシビリティと、不均一なポアソン過程の便利な統計的性質を適切な観測モデルとして活用する。
合成データと実データを用いた性能評価とベンチマークにより,GaPP-ClassとGaPP-ReaCtionは,他の最先端追跡アルゴリズムよりも優れていることが示された。
- 参考スコア（独自算出の注目度）: 1.338174941551702
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a computationally efficient multi-object tracking approach that can minimise track breaks (e.g., in challenging environments and against agile targets), learn the measurement model parameters on-line (e.g., in dynamically changing scenes) and infer the class of the tracked objects, if joint tracking and kinematic behaviour classification is sought. It capitalises on the flexibilities offered by the integrated Gaussian process as a motion model and the convenient statistical properties of non-homogeneous Poisson processes as a suitable observation model. This can be combined with the proposed effective track revival / stitching mechanism. We accordingly introduce the two robust and adaptive trackers, Gaussian and Poisson Process with Classification (GaPP-Class) and GaPP with Revival and Classification (GaPP-ReaCtion). They employ an appropriate particle filtering inference scheme that efficiently integrates track management and hyperparameter learning (including the object class, if relevant). GaPP-ReaCtion extends GaPP-Class with the addition of a Markov Chain Monte Carlo kernel applied to each particle permitting track revival and stitching (e.g., within a few time steps after deleting a trajectory). Performance evaluation and benchmarking using synthetic and real data show that GaPP-Class and GaPP-ReaCtion outperform other state-of-the-art tracking algorithms. For example, GaPP-ReaCtion significantly reduces track breaks (e.g., by around 30% from real radar data and markedly more from simulated data).
- Abstract（参考訳）: 本稿では,トラックブレークを最小化し(例えば,挑戦的環境において,アジャイル目標に対して),オンライン上での測定モデルパラメータ(例えば,動的に変化するシーンにおいて)を学習し,トラックオブジェクトのクラスを推定することのできる,計算効率のよいマルチオブジェクト追跡手法を提案する。
統合ガウス過程が運動モデルとして提供するフレキシビリティと、不均一なポアソン過程の便利な統計的性質を適切な観測モデルとして活用する。
これは、提案された効率的なトラック復元/縫合機構と組み合わせることができる。
そこで我々は,2つのロバストかつ適応的なトラッカー,GaPP-Class(GaPP-Class)とGaPP-ReaCtion(GaPP-ReaCtion)を紹介した。
彼らは、トラック管理とハイパーパラメータ学習(オブジェクトクラスを含む)を効率的に統合する適切な粒子フィルタリング推論スキームを採用している。
GaPP-ReaCtion は GaPP-Class を拡張し、各粒子に Markov Chain Monte Carlo カーネルを追加してトラックの再生と縫合を許可する(例えば、軌道を削除してから数秒以内に)。
合成データと実データを用いた性能評価とベンチマークにより,GaPP-ClassとGaPP-ReaCtionは,他の最先端追跡アルゴリズムよりも優れていることが示された。
例えば、GaPP-ReaCtionはトラック切断を著しく削減する(例えば、実際のレーダーデータから約30%削減し、シミュレーションデータから顕著に多い)。
関連論文リスト
- HybridTrack: A Hybrid Approach for Robust Multi-Object Tracking [7.916733469603948]
HybridTrackは、車両のための新しい3Dマルチオブジェクトトラッキングアプローチである。
データ駆動型カルマンフィルタ(KF)をトラッキング・バイ・検出パラダイムに統合する。
82.72%のHOTA精度を実現し、最先端の手法を著しく上回っている。
論文 参考訳（メタデータ） (2025-01-02T14:17:19Z) - SUDS: A Strategy for Unsupervised Drift Sampling [0.5437605013181142]
監視された機械学習は、データ分散が時間とともに変化するコンセプトドリフトに遭遇し、パフォーマンスが低下する。
本稿では,既存のドリフト検出アルゴリズムを用いて,同種サンプルを選択する新しい手法であるドリフトサンプリング戦略(SUDS)を提案する。
本研究は, 動的環境におけるラベル付きデータ利用の最適化におけるSUDSの有効性を示すものである。
論文 参考訳（メタデータ） (2024-11-05T10:55:29Z) - 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) - GPU-Accelerated Policy Optimization via Batch Automatic Differentiation
of Gaussian Processes for Real-World Control [8.720903734757627]
我々は, 高速な予測サンプリング手法を利用して, 前方通過毎に軌道のバッチ処理を行うことにより, 政策最適化手法を開発した。
重機を用いた基準追従制御実験の訓練方針における本手法の有効性を実証する。
論文 参考訳（メタデータ） (2022-02-28T09:31:15Z) - Adversarial Feature Augmentation and Normalization for Visual
Recognition [109.6834687220478]
最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。
本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。
代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
論文 参考訳（メタデータ） (2021-03-22T20:36:34Z) - Tracking Performance of Online Stochastic Learners [57.14673504239551]
オンラインアルゴリズムは、大規模なバッチにデータを保存したり処理したりすることなく、リアルタイムで更新を計算できるため、大規模な学習環境で人気がある。
一定のステップサイズを使用すると、これらのアルゴリズムはデータやモデル特性などの問題パラメータのドリフトに適応し、適切な精度で最適解を追跡する能力を持つ。
定常仮定に基づく定常状態性能とランダムウォークモデルによるオンライン学習者の追跡性能の関連性を確立する。
論文 参考訳（メタデータ） (2020-04-04T14:16:27Z) - Learning to Optimize Non-Rigid Tracking [54.94145312763044]
我々は、堅牢性を改善し、解法収束を高速化するために学習可能な最適化を採用する。
まず、CNNを通じてエンドツーエンドに学習された深い特徴にアライメントデータ項を統合することにより、追跡対象をアップグレードする。
次に,プレコンディショニング手法と学習手法のギャップを,プレコンディショナを生成するためにトレーニングされたConditionNetを導入することで埋める。
論文 参考訳（メタデータ） (2020-03-27T04:40:57Z) - Improving Sampling Accuracy of Stochastic Gradient MCMC Methods via
Non-uniform Subsampling of Gradients [54.90670513852325]
サンプリング精度を向上させるための一様でないサブサンプリング手法を提案する。
EWSGは、一様勾配MCMC法がバッチ勾配MCMC法の統計的挙動を模倣するように設計されている。
EWSGの実践的な実装では、データインデックス上のMetropolis-Hastingsチェーンを介して、一様でないサブサンプリングを効率的に行う。
論文 参考訳（メタデータ） (2020-02-20T18:56:18Z) - Integration of Regularized l1 Tracking and Instance Segmentation for
Video Object Tracking [1.90365714903665]
本研究では,ディープ・オブジェクト・ディテクターと粒子フィルタ・トラッカーを統合したトラッキング・バイ・検出手法を提案する。
検出器とトラッカーのコンセンサスを確立する新しい観測モデルを定式化する。
変形したオブジェクト境界ボックスを追跡可能な,翻訳,回転,スケーリング,せん断パラメータからなる新しい状態ベクトルを提案する。
論文 参考訳（メタデータ） (2019-12-30T11:14:14Z)
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。