論文の概要: TUMTraf EMOT: Event-Based Multi-Object Tracking Dataset and Baseline for Traffic Scenarios

• arxiv url: http://arxiv.org/abs/2512.14595v1
• Date: Tue, 16 Dec 2025 17:05:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-17 16:49:26.806143
• Title: TUMTraf EMOT: Event-Based Multi-Object Tracking Dataset and Baseline for Traffic Scenarios
• Title（参考訳）: TUMTraf EMOT: イベントベースのマルチオブジェクト追跡データセットとトラフィックシナリオのためのベースライン
• Authors: Mengyu Li, Xingcheng Zhou, Guang Chen, Alois Knoll, Hu Cao,
• Abstract要約: 我々は、イベントベースのITSに適した初期パイロットデータセットを導入し、車両と歩行者検出と追跡をカバーした。 我々は,このデータセットに基づく特徴抽出器を用いたトラッキング・バイ・検出ベンチマークを構築し,優れた性能を実現する。
• 参考スコア（独自算出の注目度）: 39.00650546356885
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In Intelligent Transportation Systems (ITS), multi-object tracking is primarily based on frame-based cameras. However, these cameras tend to perform poorly under dim lighting and high-speed motion conditions. Event cameras, characterized by low latency, high dynamic range and high temporal resolution, have considerable potential to mitigate these issues. Compared to frame-based vision, there are far fewer studies on event-based vision. To address this research gap, we introduce an initial pilot dataset tailored for event-based ITS, covering vehicle and pedestrian detection and tracking. We establish a tracking-by-detection benchmark with a specialized feature extractor based on this dataset, achieving excellent performance.
• Abstract（参考訳）: インテリジェントトランスポーテーションシステム(ITS)では、マルチオブジェクトトラッキングは主にフレームベースのカメラに基づいている。 しかし、これらのカメラは薄暗い照明と高速な運動条件下では性能が良くない傾向にある。 イベントカメラは低レイテンシ、高ダイナミックレンジ、高時間分解能を特徴とし、これらの問題を緩和する可能性がある。 フレームベースのビジョンと比較して、イベントベースのビジョンに関する研究ははるかに少ない。 この研究ギャップに対処するため、我々はイベントベースのITSに適した初期パイロットデータセットを導入し、車両と歩行者の検知と追跡をカバーした。 我々は,このデータセットに基づく特徴抽出器を用いたトラッキング・バイ・検出ベンチマークを構築し,優れた性能を実現する。

関連論文リスト

• Research, Applications and Prospects of Event-Based Pedestrian Detection: A Survey [10.494414329120909]
  生物学的網膜にインスパイアされたイベントベースのカメラは、最小限の電力要求、無視できるレイテンシ、時間分解能、拡張可能なダイナミックレンジによって区別される最先端のセンサーへと進化してきた。 イベントベースのカメラは、高速撮像のシナリオにおいて、外部データ伝送を誘発し、動きのぼやけをなくすことによって制限に対処する。 本稿では,特に自律運転における研究と応用について概観する。
  論文  参考訳（メタデータ） (2024-07-05T06:17:00Z)
• 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)
• FEDORA: Flying Event Dataset fOr Reactive behAvior [9.470870778715689]
  イベントベースのセンサーは、高速な動きを捉えるための標準フレームベースのカメラに代わる低レイテンシと低エネルギーの代替として登場した。 Flying Eventデータセット fOr Reactive behAviour (FEDORA) - 知覚タスクのための完全に合成されたデータセット。
  論文  参考訳（メタデータ） (2023-05-22T22:59:05Z)
• Data-driven Feature Tracking for Event Cameras [48.04815194265117]
  グレースケールフレームで検出された特徴を追跡するために、低レイテンシイベントを活用するイベントカメラのための、最初のデータ駆動機能トラッカーを紹介した。 合成データから実データに直接ゼロショットを転送することで、我々のデータ駆動トラッカーは、相対的特徴年齢における既存のアプローチを最大120%向上させる。 この性能ギャップはさらに130%増加し、トラッカーを新たな自己超越戦略で実データに適用する。
  論文  参考訳（メタデータ） (2022-11-23T10:20:11Z)
• Scalable and Real-time Multi-Camera Vehicle Detection, Re-Identification, and Tracking [58.95210121654722]
  理想化されたビデオストリームやキュレートされたビデオストリームの代わりに,リアルタイムで低解像度のCCTVを処理する,リアルタイムな都市規模のマルチカメラ車両追跡システムを提案する。 私たちの手法は、公共のリーダーボードで上位5人のパフォーマーにランク付けされています。
  論文  参考訳（メタデータ） (2022-04-15T12:47:01Z)
• Moving Object Detection for Event-based vision using Graph Spectral Clustering [6.354824287948164]
  移動物体検出は、幅広い応用のためのコンピュータビジョンにおける中心的な話題となっている。 イベントベースデータにおける移動物体検出のための教師なしグラフスペクトルクラスタリング手法を提案する。 さらに,移動物体の最適個数を自動決定する方法について述べる。
  論文  参考訳（メタデータ） (2021-09-30T10:19:22Z)

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。