論文の概要: Multi Camera Connected Vision System with Multi View Analytics: A Comprehensive Survey

• arxiv url: http://arxiv.org/abs/2510.09731v1
• Date: Fri, 10 Oct 2025 11:45:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:29.596574
• Title: Multi Camera Connected Vision System with Multi View Analytics: A Comprehensive Survey
• Title（参考訳）: Multi Camera Connected Vision System with Multi View Analytics: A Comprehensive Survey
• Authors: Muhammad Munsif, Waqas Ahmad, Amjid Ali, Mohib Ullah, Adnan Hussain, Sung Wook Baik,
• Abstract要約: この調査は、MVMCトラッキング、Re-ID、AU、複合メソッドを統合するMVMCの包括的なレビューを初めて提供する。 我々は,CVSの重要成分をよりよく理解し,MVMC追跡,Re-ID,AU,複合手法の4つの重要な部分に分けられる独自の分類法を提案する。 この論文は、複雑な実世界のアプリケーションにおけるCVSの堅牢性、効率、適応性を高めるための重要な研究の方向性を概説することで締めくくっている。
• 参考スコア（独自算出の注目度）: 8.656913734793857
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Connected Vision Systems (CVS) are transforming a variety of applications, including autonomous vehicles, smart cities, surveillance, and human-robot interaction. These systems harness multi-view multi-camera (MVMC) data to provide enhanced situational awareness through the integration of MVMC tracking, re-identification (Re-ID), and action understanding (AU). However, deploying CVS in real-world, dynamic environments presents a number of challenges, particularly in addressing occlusions, diverse viewpoints, and environmental variability. Existing surveys have focused primarily on isolated tasks such as tracking, Re-ID, and AU, often neglecting their integration into a cohesive system. These reviews typically emphasize single-view setups, overlooking the complexities and opportunities provided by multi-camera collaboration and multi-view data analysis. To the best of our knowledge, this survey is the first to offer a comprehensive and integrated review of MVMC that unifies MVMC tracking, Re-ID, and AU into a single framework. We propose a unique taxonomy to better understand the critical components of CVS, dividing it into four key parts: MVMC tracking, Re-ID, AU, and combined methods. We systematically arrange and summarize the state-of-the-art datasets, methodologies, results, and evaluation metrics, providing a structured view of the field's progression. Furthermore, we identify and discuss the open research questions and challenges, along with emerging technologies such as lifelong learning, privacy, and federated learning, that need to be addressed for future advancements. The paper concludes by outlining key research directions for enhancing the robustness, efficiency, and adaptability of CVS in complex, real-world applications. We hope this survey will inspire innovative solutions and guide future research toward the next generation of intelligent and adaptive CVS.
• Abstract（参考訳）: Connected Vision Systems(CVS)は、自動運転車、スマートシティ、監視、人間とロボットのインタラクションなど、さまざまなアプリケーションを変革している。 これらのシステムは、MVMC追跡、再識別(Re-ID)、行動理解(AU)を統合することで、状況認識を高めるために、マルチビューマルチカメラ(MVMC)データを利用する。 しかし、CVSを現実世界に展開する動的環境は、特に閉塞性、多様な視点、環境変動に対処する上で、多くの課題を呈している。 既存の調査では、トラッキングやRe-ID、AUといった独立したタスクに重点を置いている。 これらのレビューは一般的に、マルチカメラのコラボレーションとマルチビューデータ分析によって提供される複雑さと機会を見越して、シングルビューのセットアップを強調している。 私たちの知る限りでは、MVMCトラッキング、Re-ID、AUを単一のフレームワークに統合するMVMCの総合的かつ統合的なレビューを初めて提供する。 我々は,CVSの重要成分をよりよく理解し,MVMC追跡,Re-ID,AU,複合手法の4つの重要な部分に分けられる独自の分類法を提案する。 我々は、現状のデータセット、方法論、結果、評価指標を体系的に整理し、その分野の進展を構造化したビューを提供する。 さらに、今後の進歩のために対処する必要がある、生涯学習、プライバシ、フェデレーション学習といった新興技術とともに、オープンな研究課題や課題を特定し、議論する。 この論文は、複雑な実世界のアプリケーションにおけるCVSの堅牢性、効率、適応性を高めるための重要な研究の方向性を概説することで締めくくっている。 この調査が革新的なソリューションを刺激し、次世代のインテリジェントで適応的なCVSに向けた将来の研究を導くことを願っている。

関連論文リスト

• A Survey on Video Anomaly Detection via Deep Learning: Human, Vehicle, and Environment [2.3349787245442966]
  ビデオ異常検出(VAD)は、コンピュータビジョンにおいて重要なタスクとして登場し、複数の分野にまたがる幅広い関連性を持つ。 近年のディープラーニングの進歩はこの分野に大きな進歩をもたらしているが、この分野はドメインや学習パラダイムにまたがって断片化されている。 この調査は、様々な監督レベルの文献を体系的に整理し、VADに関する包括的な視点を提供する。
  論文  参考訳（メタデータ） (2025-08-19T18:50:49Z)
• Hyperspectral Imaging [49.45523645429475]
  ハイパースペクトルイメージング(Hyperspectral Imaging、HSI)は、空間情報とスペクトル情報を同時にキャプチャする高度なセンシングモダリティである。 このプライマーは、基礎となる物理原理とセンサーアーキテクチャから、データ取得、キャリブレーション、修正における重要なステップまで、HSIの概要を包括的に示す。
  論文  参考訳（メタデータ） (2025-08-11T15:47:24Z)
• From Waveforms to Pixels: A Survey on Audio-Visual Segmentation [43.79010208565961]
  Audio-Visualは、ビジュアルとオーディオの両方のモダリティを活用して、ビデオ内の音声生成オブジェクトを識別し、セグメント化することを目的としている。 本稿では、AVS分野の概要を概説し、その問題定式化、ベンチマークデータセット、評価指標、方法論の進歩について述べる。
  論文  参考訳（メタデータ） (2025-07-29T22:20:51Z)
• A Comprehensive Survey on Video Scene Parsing:Advances, Challenges, and Prospects [53.15503034595476]
  Video Scene Parsing (VSP) はコンピュータビジョンの基盤として登場した。 VSPはコンピュータビジョンの基盤として現れ、ダイナミックシーンにおける多様な視覚的実体の同時セグメンテーション、認識、追跡を容易にする。
  論文  参考訳（メタデータ） (2025-06-16T14:39:03Z)
• Composed Multi-modal Retrieval: A Survey of Approaches and Applications [81.54640206021757]
  複合マルチモーダル検索(CMR)は次世代技術として誕生する。 CMRは、参照視覚入力とテキスト修正を統合することで、画像やビデオをクエリすることを可能にする。 本稿では,CMRの基礎的課題,技術的進歩,応用について概説する。
  論文  参考訳（メタデータ） (2025-03-03T09:18:43Z)
• Multimodal Alignment and Fusion: A Survey [11.3029945633295]
  このサーベイは、機械学習分野におけるマルチモーダルアライメントと融合の進歩に関する包括的概要を提供する。 我々は、両構造の観点から、アライメントと融合の鍵となるアプローチを体系的に分類し、分析する。 この調査は、クロスモーダルなミスアライメント、計算ボトルネック、データ品質の問題、モダリティギャップといった重要な課題を強調します。
  論文  参考訳（メタデータ） (2024-11-26T02:10:27Z)
• Cambrian-1: A Fully Open, Vision-Centric Exploration of Multimodal LLMs [61.143381152739046]
  視覚中心のアプローチで設計したマルチモーダルLLM(MLLM)のファミリーであるCambrian-1を紹介する。 本研究は,様々な視覚表現を評価するためのインタフェースとして,LLMとビジュアルインストラクションチューニングを用いた。 モデルウェイト、コード、サポートツール、データセット、詳細なインストラクションチューニングと評価のレシピを提供しています。
  論文  参考訳（メタデータ） (2024-06-24T17:59:42Z)
• Self-supervised Multi-view Clustering in Computer Vision: A Survey [14.432997752719473]
  マルチビュークラスタリング(MVC)は、クロスモーダルな表現学習とデータ駆動型意思決定に重大な影響を与えている。 本稿では、自己監督型MVCの出現の理由と利点について考察する。
  論文  参考訳（メタデータ） (2023-09-18T04:11:18Z)
• Deep Learning for Person Re-identification: A Survey and Outlook [233.36948173686602]
  人物再識別(Re-ID)は、複数の重複しないカメラを通して興味ある人物を検索することを目的としている。 人物のRe-IDシステム開発に関わるコンポーネントを分離することにより、それをクローズドワールドとオープンワールドのセッティングに分類する。
  論文  参考訳（メタデータ） (2020-01-13T12:49:22Z)

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。