Fugu-MT 論文翻訳(概要): Car Object Counting and Position Estimation via Extension of the CLIP-EBC Framework

論文の概要: Car Object Counting and Position Estimation via Extension of the CLIP-EBC Framework

arxiv url: http://arxiv.org/abs/2507.08240v1
Date: Fri, 11 Jul 2025 00:58:54 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-14 18:03:54.211642
Title: Car Object Counting and Position Estimation via Extension of the CLIP-EBC Framework
Title（参考訳）: CLIP-EBCフレームワークの拡張によるカーオブジェクトのカウントと位置推定
Authors: Seoik Jung, Taekyung Song,
Abstract要約: 本稿では,CLIP-EBCフレームワークのCARPKデータセットを用いたカー・オブジェクト・カウントへの適用性について検討する。実験結果から,本モデルは既存手法と比較して2番目に高い性能を示した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper, we investigate the applicability of the CLIP-EBC framework, originally designed for crowd counting, to car object counting using the CARPK dataset. Experimental results show that our model achieves second-best performance compared to existing methods. In addition, we propose a K-means weighted clustering method to estimate object positions based on predicted density maps, indicating the framework's potential extension to localization tasks.
Abstract（参考訳）: 本稿では,CLIP-EBCフレームワークのCARPKデータセットを用いたカーカーカウントへの適用性について検討する。実験結果から,本モデルは既存手法と比較して2番目に高い性能を示した。さらに,K平均重み付きクラスタリング手法を提案し,予測された密度マップに基づいて対象位置を推定し,そのフレームワークが局所化タスクに拡張する可能性を示す。

関連論文リスト

Extractive text summarisation of Privacy Policy documents using machine learning approaches [0.0]
この研究は、2つの異なるクラスタリングアルゴリズムに基づく2つのプライバシポリシ(PP)要約モデルを示す。 Kmeansは10の一般的なクラスタリングアルゴリズムを広範囲に評価した後、最初のモデルで使用される。 PDCクラスタリングアルゴリズムに基づく要約モデルは、各文から予め定義されたクラスタセンターまでの距離で個別の文を分離することでPP文書を要約する。
論文参考訳（メタデータ） (2024-04-09T04:54:08Z)
Using the Empirical Attainment Function for Analyzing Single-objective Black-box Optimization Algorithms [2.1486704308317783]
実験的達成関数(EAF)は,対象とするECDFに対していくつかの利点がある。 EAFは、関数毎の品質目標を定義する必要はなく、パフォーマンスの違いをより正確に捉え、追加の要約統計を使用することを可能にしている。 EAFのアクセシビリティを容易にするため、IOHanalyzerプラットフォームにモジュールを統合して計算する。
論文参考訳（メタデータ） (2024-04-02T15:18:22Z)
V2X-PC: Vehicle-to-everything Collaborative Perception via Point Cluster [58.79477191603844]
我々は,低レベル構造情報と高レベル意味情報を組み合わせて,シーンを疎結合に表現する新しいメッセージユニット,すなわちポイントクラスタを導入する。このフレームワークには、オブジェクトの機能を維持し、帯域幅を管理するためのポイントクラスタパッキング(PCP)モジュールが含まれている。 2つの広く認識されている協調認識ベンチマークの実験は、従来の最先端の手法と比較して、我々の手法の優れた性能を示している。
論文参考訳（メタデータ） (2024-03-25T11:24:02Z)
CLIP-EBC: CLIP Can Count Accurately through Enhanced Blockwise Classification [29.570935239024138]
CLIP-EBC(CLIP-EBC)を提案する。我々のEBCフレームワークは、UCF-QNRFデータセットで44.5%まで既存の分類ベースの手法を改善することができる。 CLIP-EBCは、NWPU-Crowdテストセットの最先端のパフォーマンスを実現し、MAEは58.2、RMSEは268.5で、以前のベストメソッドであるSTEERERよりも8.6%と13.3%改善した。
論文参考訳（メタデータ） (2024-03-14T11:08:33Z)
Point, Segment and Count: A Generalized Framework for Object Counting [40.192374437785155]
クラスに依存しないオブジェクトカウントは、例ボックスやクラス名に関して、イメージ内のすべてのオブジェクトをカウントすることを目的としている。本稿では,検出に基づく少数ショットとゼロショットの両方のオブジェクトカウントのための一般化されたフレームワークを提案する。 PseCoは、少数ショット/ゼロショットオブジェクトカウント/検出の両方で最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2023-11-21T06:55:21Z)
LocPoseNet: Robust Location Prior for Unseen Object Pose Estimation [69.70498875887611]
LocPoseNetは、見えないオブジェクトに先立って、ロバストにロケーションを学習することができる。提案手法は,LINEMOD と GenMOP において,既存の作業よりも優れた性能を示す。
論文参考訳（メタデータ） (2022-11-29T15:21:34Z)
Using Representation Expressiveness and Learnability to Evaluate Self-Supervised Learning Methods [61.49061000562676]
本稿では,学習可能性を評価するためにCluster Learnability (CL)を導入する。 CLは、K-meansで表現をクラスタリングすることによって得られたラベルを予測するために訓練されたKNNのパフォーマンスで測定される。 CLは、他の競合する評価手法よりも分布内モデルの性能と相関することがわかった。
論文参考訳（メタデータ） (2022-06-02T19:05:13Z)
Unveiling the Potential of Structure-Preserving for Weakly Supervised Object Localization [71.79436685992128]
本稿では,WSOLの畳み込み機能に組み込まれた構造情報を完全に活用するための2段階構造保存アクティベーション(SPA)を提案する。第1段階では、分類ネットワークによって引き起こされる構造ミス問題を軽減するために制限アクティベーションモジュール(ram)が設計されている。第2段階では, 自己相関マップ生成(SCG)モジュールと呼ばれるプロセス後アプローチを提案し, 構造保存ローカライゼーションマップを得る。
論文参考訳（メタデータ） (2021-03-08T03:04:14Z)
Collaborative Video Object Segmentation by Multi-Scale Foreground-Background Integration [77.71512243438329]
本稿では,フォアグラウンド・バックグラウンド統合(CFBI)による協調的ビデオオブジェクトセグメンテーションを提案する。 CFBIは、前景のオブジェクト領域とその対応する背景領域に埋め込まれた特徴を分離し、暗黙的にそれらをよりコントラストにし、それに応じてセグメンテーション結果を改善する。 CFBIをベースとして,マルチスケールのマッチング構造を導入し,より堅牢で効率的なフレームワークであるCFBI+を実現するAtrous Matching戦略を提案する。
論文参考訳（メタデータ） (2020-10-13T13:06:10Z)
A Self-Training Approach for Point-Supervised Object Detection and Counting in Crowds [54.73161039445703]
本稿では,ポイントレベルのアノテーションのみを用いて訓練された典型的なオブジェクト検出を可能にする,新たな自己学習手法を提案する。トレーニング中、利用可能なポイントアノテーションを使用して、オブジェクトの中心点の推定を監督する。実験の結果,本手法は検出タスクとカウントタスクの両方において,最先端のポイント管理手法よりも有意に優れていた。
論文参考訳（メタデータ） (2020-07-25T02:14:42Z)
Combining Task Predictors via Enhancing Joint Predictability [53.46348489300652]
そこで本研究では,目標予測能力に基づいて参照の関連性を測定し,その関連性を高めるための新しい予測器組合せアルゴリズムを提案する。提案アルゴリズムはベイズフレームワークを用いて,すべての参照の関連性について共同で評価する。視覚属性ランキングとマルチクラス分類シナリオから得られた実世界の7つのデータセットの実験に基づいて,本アルゴリズムが性能向上に寄与し,既存の予測器の組み合わせアプローチの適用範囲を広くすることを示した。
論文参考訳（メタデータ） (2020-07-15T21:58:39Z)
Novel Perception Algorithmic Framework For Object Identification and Tracking In Autonomous Navigation [1.370633147306388]
本稿では,自律走行車における物体の認識・追跡機能を備えた新しい認識フレームワークを提案する。このフレームワークは、Ego-vehicleのポーズ推定とKD-Treeベースのゴールセグメンテーションアルゴリズムを利用する。方法論の有効性は、KITTIデータセット上で検証される。
論文参考訳（メタデータ） (2020-06-08T18:21:40Z)

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。