論文の概要: TRACER: Efficient Object Re-Identification in Networked Cameras through Adaptive Query Processing

• arxiv url: http://arxiv.org/abs/2507.09448v1
• Date: Sun, 13 Jul 2025 02:22:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-15 18:48:23.263052
• Title: TRACER: Efficient Object Re-Identification in Networked Cameras through Adaptive Query Processing
• Title（参考訳）: TRACER:適応クエリ処理によるネットワークカメラにおける効率的なオブジェクト再同定
• Authors: Pramod Chunduri, Yao Lu, Joy Arulraj,
• Abstract要約: Spatulaは、Re-IDクエリを処理するための最先端のビデオデータベース管理システム(VDBMS)である。 カメラ履歴のために高いリコールを必要とする重要なビデオ分析アプリケーションには適していない。 本稿では、適応的なクエリ処理フレームワークを用いて、Re-IDクエリを効率的に処理する新しいVDBMSであるTracerを提案する。
• 参考スコア（独自算出の注目度）: 8.955401552705892
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Efficiently re-identifying and tracking objects across a network of cameras is crucial for applications like traffic surveillance. Spatula is the state-of-the-art video database management system (VDBMS) for processing Re-ID queries. However, it suffers from two limitations. Its spatio-temporal filtering scheme has limited accuracy on large camera networks due to localized camera history. It is not suitable for critical video analytics applications that require high recall due to a lack of support for adaptive query processing. In this paper, we present Tracer, a novel VDBMS for efficiently processing Re-ID queries using an adaptive query processing framework. Tracer selects the optimal camera to process at each time step by training a recurrent network to model long-term historical correlations. To accelerate queries under a high recall constraint, Tracer incorporates a probabilistic adaptive search model that processes camera feeds in incremental search windows and dynamically updates the sampling probabilities using an exploration-exploitation strategy. To address the paucity of benchmarks for the Re-ID task due to privacy concerns, we present a novel synthetic benchmark for generating multi-camera Re-ID datasets based on real-world traffic distribution. Our evaluation shows that Tracer outperforms the state-of-the-art cross-camera analytics system by 3.9x on average across diverse datasets.
• Abstract（参考訳）: トラフィック監視のようなアプリケーションには、カメラのネットワーク上でオブジェクトを効果的に識別し、追跡することが不可欠だ。 Spatulaは、Re-IDクエリを処理するための最先端のビデオデータベース管理システム(VDBMS)である。 しかし、2つの制限がある。 その時空間フィルタリング方式は、局所的なカメラ履歴のため、大規模なカメラネットワーク上での精度が制限されている。 適応的なクエリ処理がサポートされていないため、高いリコールを必要とする重要なビデオ分析アプリケーションには適していない。 本稿では、適応的なクエリ処理フレームワークを用いて、Re-IDクエリを効率的に処理する新しいVDBMSであるTracerを提案する。 トレーサは、長期的履歴相関をモデル化するために、繰り返しネットワークをトレーニングすることにより、各ステップで処理する最適なカメラを選択する。 高リコール制約下でのクエリを高速化するため、Tracerは、カメラフィードをインクリメンタル検索ウィンドウで処理し、探索探索戦略を用いてサンプリング確率を動的に更新する確率適応検索モデルを組み込んだ。 プライバシの懸念によるRe-IDタスクのベンチマークに対処するために,実世界のトラフィック分布に基づくマルチカメラRe-IDデータセットを生成するための新しい総合ベンチマークを提案する。 我々の評価によると、Tracerは最先端のクロスカメラ分析システムよりも、さまざまなデータセットで平均3.9倍性能が高い。

関連論文リスト

• LOVO: Efficient Complex Object Query in Large-Scale Video Datasets [11.821229903544404]
  LOVOは、comp$underlineL$ex $underlineO$bjectクエリを大規模$underlineV$ide$underlineO$データセットで効率的に扱うように設計された新しいシステムである。 ユーザクエリに依存しないLOVOは、事前トレーニングされたビジュアルエンコーダを使用して、ワンタイムの機能抽出を実行し、キーフレームに対するコンパクトなビジュアル埋め込みを生成する。 クエリフェーズの間、LOVOはオブジェクトクエリをクエリの埋め込みに変換し、視覚的な埋め込みの近傍の高速な探索を行う。
  論文  参考訳（メタデータ） (2025-07-18T18:21:43Z)
• Deep Learning and Hybrid Approaches for Dynamic Scene Analysis, Object Detection and Motion Tracking [0.0]
  本研究の目的は,活動の検出に基づいて映像を小さなクリップに分割する,堅牢な映像監視システムを開発することである。 例えば、CCTVの映像を使って、人や泥棒の外観のような主要なイベントのみを記録し、ストレージを最適化し、デジタル検索がより簡単になる。
  論文  参考訳（メタデータ） (2024-12-05T07:44:40Z)
• CART: A Generative Cross-Modal Retrieval Framework with Coarse-To-Fine Semantic Modeling [53.97609687516371]
  クロスモーダル検索は、異なるモーダルデータの相互作用を通じて、クエリと意味的に関連するインスタンスを検索することを目的としている。 従来のソリューションでは、クエリと候補の間のスコアを明示的に計算するために、シングルトウワーまたはデュアルトウワーのフレームワークを使用している。 粗大なセマンティックモデリングに基づく生成的クロスモーダル検索フレームワーク(CART)を提案する。
  論文  参考訳（メタデータ） (2024-06-25T12:47:04Z)
• MTMMC: A Large-Scale Real-World Multi-Modal Camera Tracking Benchmark [63.878793340338035]
  マルチターゲットマルチカメラトラッキングは、複数のカメラからのビデオストリームを使用して個人を特定し、追跡する重要なタスクである。 このタスクの既存のデータセットは、制御されたカメラネットワーク設定内で合成または人工的に構築される。 我々は16台のマルチモーダルカメラで2つの異なる環境でキャプチャされた長いビデオシーケンスを含む実世界の大規模データセットであるMTMMCを紹介する。
  論文  参考訳（メタデータ） (2024-03-29T15:08:37Z)
• 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)
• SpikeMOT: Event-based Multi-Object Tracking with Sparse Motion Features [52.213656737672935]
  SpikeMOTはイベントベースのマルチオブジェクトトラッカーである。 SpikeMOTはスパイクニューラルネットワークを使用して、オブジェクトに関連するイベントストリームからスパーステンポラルな特徴を抽出する。
  論文  参考訳（メタデータ） (2023-09-29T05:13:43Z)
• Spatial-Temporal Graph Enhanced DETR Towards Multi-Frame 3D Object Detection [54.041049052843604]
  STEMDは,多フレーム3Dオブジェクト検出のためのDETRのようなパラダイムを改良した,新しいエンドツーエンドフレームワークである。 まず、オブジェクト間の空間的相互作用と複雑な時間的依存をモデル化するために、空間的時間的グラフアテンションネットワークを導入する。 最後に、ネットワークが正のクエリと、ベストマッチしない他の非常に類似したクエリを区別することが課題となる。
  論文  参考訳（メタデータ） (2023-07-01T13:53:14Z)
• Introduction of a tree-based technique for efficient and real-time label retrieval in the object tracking system [1.6099403809839035]
  本稿では,大規模ビデオ監視システムにおける移動物体のリアルタイム追跡品質の問題に対処する。 本稿では,複数のオブジェクトを自動的にラベル付けして,インデックス化機構を用いた効率的なリアルタイムトラッキングを実現する手法を提案する。
  論文  参考訳（メタデータ） (2022-05-31T00:13:53Z)
• Cross-Camera Trajectories Help Person Retrieval in a Camera Network [124.65912458467643]
  既存の手法では、純粋な視覚的マッチングや時間的制約を考慮することが多いが、カメラネットワークの空間情報は無視する。 本稿では,時間的情報と空間的情報を統合したクロスカメラ生成に基づく歩行者検索フレームワークを提案する。 本手法の有効性を検証するため,最初のカメラ横断歩行者軌跡データセットを構築した。
  論文  参考訳（メタデータ） (2022-04-27T13:10:48Z)
• ApproxDet: Content and Contention-Aware Approximate Object Detection for Mobiles [19.41234144545467]
  本稿では,モバイル機器用適応型ビデオオブジェクト検出フレームワークであるApproxDetを紹介する。 大規模なベンチマークビデオデータセット上でApproxDetを評価し,AdaScaleやYOLOv3と比較した。 ApproxDetは、幅広いコンテントやコンテンツの特徴に適応し、すべてのベースラインを誇張することができる。
  論文  参考訳（メタデータ） (2020-10-21T04:11:05Z)
• Intelligent Querying for Target Tracking in Camera Networks using Deep Q-Learning with n-Step Bootstrapping [11.221084462863894]
  カメラネットワークにおける目標追跡問題をMDPとして定式化し、再識別クエリを作成するためのカメラを選択する強化学習に基づくポリシーを学習する。 提案手法はカメラネットワークトポロジの知識を前提としないが,提案手法は暗黙的に学習する。
  論文  参考訳（メタデータ） (2020-04-20T20:49:52Z)

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。