論文の概要: GPU-GLMB: Assessing the Scalability of GPU-Accelerated Multi-Hypothesis Tracking
- arxiv url: http://arxiv.org/abs/2512.06230v1
- Date: Sat, 06 Dec 2025 00:43:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-09 22:03:54.250154
- Title: GPU-GLMB: Assessing the Scalability of GPU-Accelerated Multi-Hypothesis Tracking
- Title（参考訳）: GPU-GLMB:GPU加速多相追跡のスケーラビリティを評価する
- Authors: Pranav Balakrishnan, Sidisha Barik, Sean M. O'Rourke, Benjamin M. Marlin,
- Abstract要約: この研究は、このクラスのメソッドの例として、一般化ラベル付きマルチベルヌーリフィルタ(GLMB)に焦点を当てている。
機械学習による仮想センサの分散ネットワークにおけるトラッキングの展開において重要な機能である,同一センサからのオブジェクトごとの複数検出を可能にするフィルタの変種について検討する。
これにより,標準GLMBフィルタのフィルタ更新における検出間依存関係が破壊され,並列スケーラビリティが大幅に向上し,GPUハードウェアへの効率的なデプロイが可能になった。
- 参考スコア（独自算出の注目度）: 3.6661975673792857
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Much recent research on multi-target tracking has focused on multi-hypothesis approaches leveraging random finite sets. Of particular interest are labeled random finite set methods that maintain temporally coherent labels for each object. While these methods enjoy important theoretical properties as closed-form solutions to the multi-target Bayes filter, the maintenance of multiple hypotheses under the standard measurement model is highly computationally expensive, even when hypothesis pruning approximations are applied. In this work, we focus on the Generalized Labeled Multi-Bernoulli (GLMB) filter as an example of this class of methods. We investigate a variant of the filter that allows multiple detections per object from the same sensor, a critical capability when deploying tracking in the context of distributed networks of machine learning-based virtual sensors. We show that this breaks the inter-detection dependencies in the filter updates of the standard GLMB filter, allowing updates with significantly improved parallel scalability and enabling efficient deployment on GPU hardware. We report the results of a preliminary analysis of a GPU-accelerated implementation of our proposed GLMB tracker, with a focus on run time scalability with respect to the number of objects and the maximum number of retained hypotheses.
- Abstract（参考訳）: マルチターゲット追跡に関する最近の研究は、ランダムな有限集合を利用するマルチハイプセシスアプローチに焦点を当てている。
特に興味を持つのは、各対象に対して時間的に一貫性のあるラベルを保持するランダム有限集合法である。
これらの手法は、マルチターゲットベイズフィルタの閉形式解として重要な理論的性質を享受するが、標準的な測定モデルの下での多重仮説の維持は、仮説決定近似を適用した場合でも、非常に計算コストが高い。
本稿では,この手法の例として,一般化ラベル付きマルチベルヌーリフィルタ(GLMB)に着目した。
機械学習による仮想センサの分散ネットワークにおけるトラッキングの展開において重要な機能である,同一センサからのオブジェクトごとの複数検出を可能にするフィルタの変種について検討する。
これにより,標準GLMBフィルタのフィルタ更新における検出間依存関係が破壊され,並列スケーラビリティが大幅に向上し,GPUハードウェアへの効率的なデプロイが可能になった。
本稿では,提案するGLMBトラッカーのGPU高速化実装の予備解析結果について報告する。
関連論文リスト
- PyDPF: A Python Package for Differentiable Particle Filtering [14.95594615415264]
本稿では、人気のあるPyTorchフレームワーク上に構築された統一APIを用いた、いくつかの微分可能な粒子フィルタの実装について述べる。
我々は,既存のいくつかの研究から実験を再現し,DPFが状態空間モデリングにおけるいくつかの共通課題にどのように適用できるかを実証することによって,我々の枠組みを検証する。
論文 参考訳（メタデータ） (2025-10-29T16:57:54Z) - BOtied: Multi-objective Bayesian optimization with tied multivariate ranks [33.414682601242006]
本稿では,非支配解と結合累積分布関数の極端量子化との自然な関係を示す。
このリンクにより、我々はPareto対応CDFインジケータと関連する取得関数BOtiedを提案する。
種々の合成および実世界の問題に対する実験により,BOtied は最先端MOBO 取得関数より優れていることが示された。
論文 参考訳（メタデータ） (2023-06-01T04:50:06Z) - Interaction-Aware Labeled Multi-Bernoulli Filter [5.255783459833821]
RFSに基づくマルチターゲットフィルタの予測ステップにターゲットインタラクションを組み込む新しい手法を提案する。
この手法は、協調した群れと車両を追跡するための2つの実用的な応用のために開発された。
論文 参考訳（メタデータ） (2022-04-19T04:23:32Z) - Real-Time GPU-Accelerated Machine Learning Based Multiuser Detection for
5G and Beyond [70.81551587109833]
非線形ビームフォーミングフィルタは、大規模な接続を伴う定常シナリオにおいて、線形アプローチを著しく上回る。
主な課題の1つは、これらのアルゴリズムのリアルタイム実装である。
本稿では,大規模並列化によるAPSMに基づくアルゴリズムの高速化について検討する。
論文 参考訳（メタデータ） (2022-01-13T15:20:45Z) - RMOPP: Robust Multi-Objective Post-Processing for Effective Object
Detection [0.0]
RMOPPは統計的に駆動された後処理アルゴリズムであり、精度とリコールの同時最適化を可能にする。
MS-COCOデータセットを用いて、YOLOv2上で魅力的なテストケースを提供する。
論文 参考訳（メタデータ） (2021-02-09T00:02:38Z) - Online Multi-Object Tracking and Segmentation with GMPHD Filter and
Mask-based Affinity Fusion [79.87371506464454]
本稿では,インスタンス分割結果を入力として利用するMOTS法を提案する。
提案手法は,ガウス混合確率仮説密度 (GMPHD) フィルタ,階層型データアソシエーション (HDA) モデル,マスクベース親和性融合 (MAF) モデルに基づく。
2つの人気のあるMOTSデータセットの実験では、主要なモジュールがいくつかの改善点を示している。
論文 参考訳（メタデータ） (2020-08-31T21:06:22Z) - Line-Circle-Square (LCS): A Multilayered Geometric Filter for Edge-Based
Detection [2.4054377316708964]
提案フィルタは,設定された各専門家に対して,過度に計算せずにシーンを判断するための高レベル情報を抽出するために,検出,追跡,学習を行う。
本実験は,実験と実世界の両方のシナリオにおいて,検出精度と資源使用量の観点から,提案フィルタの有効性を検証した。
論文 参考訳（メタデータ） (2020-08-21T05:28:12Z) - Multi-scale Interactive Network for Salient Object Detection [91.43066633305662]
本稿では,隣接レベルからの機能を統合するためのアグリゲート・インタラクション・モジュールを提案する。
より効率的なマルチスケール機能を得るために、各デコーダユニットに自己相互作用モジュールを埋め込む。
5つのベンチマークデータセットによる実験結果から,提案手法は後処理を一切行わず,23の最先端手法に対して良好に動作することが示された。
論文 参考訳（メタデータ） (2020-07-17T15:41:37Z) - Dependency Aware Filter Pruning [74.69495455411987]
重要でないフィルタを割ることは、推論コストを軽減するための効率的な方法である。
以前の作業は、その重み基準やそれに対応するバッチノームスケーリング要因に従ってフィルタをプルークする。
所望の空間性を達成するために,空間性誘導正規化を動的に制御する機構を提案する。
論文 参考訳（メタデータ） (2020-05-06T07:41:22Z)
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。