論文の概要: An Angular-Temporal Interaction Network for Light Field Object Tracking in Low-Light Scenes

• arxiv url: http://arxiv.org/abs/2507.21460v1
• Date: Tue, 29 Jul 2025 03:01:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-30 17:08:55.564276
• Title: An Angular-Temporal Interaction Network for Light Field Object Tracking in Low-Light Scenes
• Title（参考訳）: 低照度シーンにおける光物体追跡のための角-時間相互作用ネットワーク
• Authors: Mianzhao Wang, Fan Shi, Xu Cheng, Feifei Zhang, Shengyong Chen,
• Abstract要約: 本稿では,光場内の幾何学的構造を明確に定義した新しい光場エピポーラ面構造像 (ESI) を提案する。 また,光物体追跡のための角度-時空間相互作用ネットワーク (ATINet) を提案する。
• 参考スコア（独自算出の注目度）: 30.806699796022258
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: High-quality 4D light field representation with efficient angular feature modeling is crucial for scene perception, as it can provide discriminative spatial-angular cues to identify moving targets. However, recent developments still struggle to deliver reliable angular modeling in the temporal domain, particularly in complex low-light scenes. In this paper, we propose a novel light field epipolar-plane structure image (ESI) representation that explicitly defines the geometric structure within the light field. By capitalizing on the abrupt changes in the angles of light rays within the epipolar plane, this representation can enhance visual expression in low-light scenes and reduce redundancy in high-dimensional light fields. We further propose an angular-temporal interaction network (ATINet) for light field object tracking that learns angular-aware representations from the geometric structural cues and angular-temporal interaction cues of light fields. Furthermore, ATINet can also be optimized in a self-supervised manner to enhance the geometric feature interaction across the temporal domain. Finally, we introduce a large-scale light field low-light dataset for object tracking. Extensive experimentation demonstrates that ATINet achieves state-of-the-art performance in single object tracking. Furthermore, we extend the proposed method to multiple object tracking, which also shows the effectiveness of high-quality light field angular-temporal modeling.
• Abstract（参考訳）: 効率的な角状特徴モデリングによる高品質な4次元光場表現は、移動対象を識別するための識別的空間角的手がかりを提供するため、シーン認識に不可欠である。 しかし、近年の進歩は、特に複雑な低照度シーンにおいて、時間領域において信頼できる角度モデリングを提供することに苦慮している。 本稿では,光場内の幾何学的構造を明確に定義した新しい光場エピポーラ面構造像(ESI)を提案する。 エピポーラ面内の光線の角度の急激な変化に乗じることで、この表現は低照度のシーンにおける視覚的表現を高め、高次元の光場における冗長性を低減することができる。 さらに,光物体追跡のための角度-時空間相互作用ネットワーク (ATINet) を提案し,光場の幾何学的構造的キューと角-時空間相互作用キューから角-時空間表現を学習する。 さらに、ATINetは、時間領域間の幾何学的特徴相互作用を強化するために、自己監督的な方法で最適化することもできる。 最後に,物体追跡のための大規模光場低照度データセットを提案する。 大規模な実験により、ATINetは単一のオブジェクト追跡において最先端のパフォーマンスを達成することが示された。 さらに,提案手法を複数物体追跡に拡張し,高品質な光場角時間モデルの有効性を示した。

関連論文リスト

• PBIR-NIE: Glossy Object Capture under Non-Distant Lighting [30.325872237020395]
  グロッシーオブジェクトは自然光下での多視点入力画像から3次元再構成を行う上で重要な課題となる。 PBIR-NIEは, 物体の形状, 材料特性, 周囲の照明を均等に捉えるために設計された逆レンダリングフレームワークである。
  論文  参考訳（メタデータ） (2024-08-13T13:26:24Z)
• Gear-NeRF: Free-Viewpoint Rendering and Tracking with Motion-aware Spatio-Temporal Sampling [70.34875558830241]
  本研究では,シーンをレンダリングする動的領域の階層化モデリングを可能にする意味的セマンティックギアに基づく,時間的(4D)埋め込みの学習方法を提案する。 同時に、ほぼ無償で、当社のトラッキングアプローチは、既存のNeRFベースのメソッドでまだ達成されていない機能である、自由視点(free-view of interest)を可能にします。
  論文  参考訳（メタデータ） (2024-06-06T03:37:39Z)
• Neural Directional Encoding for Efficient and Accurate View-Dependent Appearance Modeling [47.86734601629109]
  NDEは特徴グリッドに基づく空間符号化の概念を角領域に転送する。 合成データと実データの両方の実験により、NDEを用いたNeRFモデルは、スペクトルオブジェクトのビュー合成において、技術の状態よりも優れていたことが示されている。
  論文  参考訳（メタデータ） (2024-05-23T17:56:34Z)
• NeLF-Pro: Neural Light Field Probes for Multi-Scale Novel View Synthesis [27.362216326282145]
  NeLF-Proは、様々な自然界の光場をモデル化し、再構成するための新しい表現である。 私たちの中心となる考え方は、シーンの光場を空間的に異なる学習可能な表現に焼くことです。
  論文  参考訳（メタデータ） (2023-12-20T17:18:44Z)
• Unsupervised Discovery and Composition of Object Light Fields [57.198174741004095]
  オブジェクト中心の合成シーン表現において、オブジェクトを光場として表現することを提案する。 オブジェクト中心の光場から大域的な光場を再構成できる新しい光場合成モジュールを提案する。
  論文  参考訳（メタデータ） (2022-05-08T17:50:35Z)
• Multitask AET with Orthogonal Tangent Regularity for Dark Object Detection [84.52197307286681]
  暗黒環境下でのオブジェクト検出を強化するために,新しいマルチタスク自動符号化変換(MAET)モデルを提案する。 自己超越的な方法で、MAETは、現実的な照明劣化変換を符号化して復号することで、本質的な視覚構造を学習する。 我々は,合成および実世界のデータセットを用いて最先端のパフォーマンスを達成した。
  論文  参考訳（メタデータ） (2022-05-06T16:27:14Z)
• Light Field Reconstruction Using Convolutional Network on EPI and Extended Applications [78.63280020581662]
  スパースビューからの光場再構成のための新しい畳み込みニューラルネットワーク(CNN)ベースのフレームワークを開発した。 最先端のアルゴリズムと比較して,提案フレームワークの高性能と堅牢性を実証する。
  論文  参考訳（メタデータ） (2021-03-24T08:16:32Z)
• Spatial-Angular Attention Network for Light Field Reconstruction [64.27343801968226]
  非局所的な光場における対応を知覚する空間角アテンションネットワークを提案する。 非局所的なアテンション機構により、光界の各画素に対するエピポーラ面の全ての位置からの応答を計算するために、空間角アテンションモジュールが導入された。 次に,低空間スケールでの非局所的注意を効果的に実装するためのマルチスケール再構成構造を提案する。
  論文  参考訳（メタデータ） (2020-07-05T06:55:29Z)
• Learning Light Field Angular Super-Resolution via a Geometry-Aware Network [101.59693839475783]
  そこで本研究では,広いベースラインを持つスパースサンプリング光場を超解き放つことを目的とした,エンド・ツー・エンドの学習ベースアプローチを提案する。 提案手法は,実行時間48$times$を節約しつつ,2番目のベストメソッドのPSNRを平均2dBまで改善する。
  論文  参考訳（メタデータ） (2020-02-26T02:36:57Z)

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。