論文の概要: Towards an End-to-End System for 3D Tracking of Physical Objects in Virtual Immersive Environments

• arxiv url: http://arxiv.org/abs/2605.02901v1
• Date: Mon, 30 Mar 2026 12:00:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 06:56:26.497488
• Title: Towards an End-to-End System for 3D Tracking of Physical Objects in Virtual Immersive Environments
• Title（参考訳）: 仮想没入環境における物体の3次元追跡のためのエンド・ツー・エンドシステム
• Authors: Stanisław Knapiński, Maciej Grzeszczuk, Barbara Karpowicz, Pavlo Zinevych, Wieslaw Kopec,
• Abstract要約: 本研究の目的は、バーチャルリアリティ(VR)アプリケーションのための物理的な3Dオブジェクトを追跡するエンドツーエンドシステムを確立することである。 我々は,VR空間における小さな物体の位置と反射をリアルタイムに追跡する必要のあるトレーニングアプリケーションに焦点をあてる。 本稿では,ソフトウェアハーネスを併用した画像マーカーによる物体追跡システムを提案する。
• 参考スコア（独自算出の注目度）: 1.4897517581261097
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work aims to establish an end-to-end system for tracking of physical 3D objects for virtual reality (VR) applications. We focus on training applications requiring real-time tracking of the position of small physical objects and their reflection in VR space. Out goal is to perform object tracking in a "plug and play" manner, without using complex systems with quite large tracking devices or manually implementing object tracking. We therefore propose a system for object tracking via fiducial markers alongside a software harness, to enable fast and efficient designation of objects to be tracked and data streaming solution for end-use applications. The system utilizes AruCo, AprilTag and an original Colored Control Points based fiducial system. It allows for easy tag detection and use of object position data, which are crucial for immersive training environments based on VR and eXtended Reality (XR). We evaluate various tag sizes, detection distances, and different camera devices against the theoretical limits. In effect, we create a complete solution for implementing marker-based, real-to-virtual object position mapping for various applications.
• Abstract（参考訳）: 本研究の目的は、バーチャルリアリティ(VR)アプリケーションのための物理的な3Dオブジェクトを追跡するエンドツーエンドシステムを確立することである。 我々は,VR空間における小さな物体の位置と反射をリアルタイムに追跡する必要のあるトレーニングアプリケーションに焦点をあてる。 目的は、非常に大きなトラッキングデバイスを備えた複雑なシステムや手動でオブジェクト追跡を実装することなく、"プラグ・アンド・プレイ"な方法でオブジェクト追跡を実行することである。 そこで本研究では,オブジェクトの高速かつ効率的な識別と,エンドユースアプリケーションのためのデータストリーミングソリューションを実現するために,ソフトウェアハーネスとともにファクトリアルマーカーを用いたオブジェクト追跡システムを提案する。 このシステムは、AruCo、 AprilTag、およびオリジナルのColored Control Pointsベースのフィデューシャルシステムを利用している。 これはVRとeXtended Reality(XR)に基づいた没入型トレーニング環境に不可欠である。 理論的限界に対して、様々なタグサイズ、検出距離、および異なるカメラ装置を評価する。 そこで本研究では,様々なアプリケーションに対して,マーカーベースで仮想オブジェクト位置マッピングを実装するための完全なソリューションを構築した。

関連論文リスト

• Physics-Guided Fusion for Robust 3D Tracking of Fast Moving Small Objects [0.7285647284266376]
  本稿では,RGB-Dカメラを用いた高速移動小物体の検出と追跡の課題に対処する。 本システムは,ディープラーニングに基づく検出と物理に基づくトラッキングを組み合わせることで,既存のアプローチの限界を克服する。 本システムは,自律型プラットフォーム上でのロボット認識向上に重要な応用がある。
  論文  参考訳（メタデータ） (2025-10-23T02:00:58Z)
• Open3DTrack: Towards Open-Vocabulary 3D Multi-Object Tracking [73.05477052645885]
  オープンな語彙的3Dトラッキングを導入し、3Dトラッキングの範囲を広げて、定義済みのカテゴリを超えてオブジェクトを含める。 本稿では,オープン語彙機能を3次元トラッキングフレームワークに統合し,オブジェクトクラスが見えないように一般化する手法を提案する。
  論文  参考訳（メタデータ） (2024-10-02T15:48:42Z)
• Once Detected, Never Lost: Surpassing Human Performance in Offline LiDAR based 3D Object Detection [50.959453059206446]
  本稿では,高性能なオフラインLiDARによる3Dオブジェクト検出を実現することを目的とする。 まず、経験豊富な人間のアノテータが、トラック中心の視点でオブジェクトに注釈を付けるのを観察する。 従来のオブジェクト中心の視点ではなく,トラック中心の視点で高性能なオフライン検出器を提案する。
  論文  参考訳（メタデータ） (2023-04-24T17:59:05Z)
• CXTrack: Improving 3D Point Cloud Tracking with Contextual Information [59.55870742072618]
  3Dオブジェクトトラッキングは、自律運転など、多くのアプリケーションにおいて重要な役割を果たす。 CXTrackは3次元オブジェクト追跡のためのトランスフォーマーベースのネットワークである。 CXTrackは29FPSで動作しながら最先端のトラッキング性能を実現する。
  論文  参考訳（メタデータ） (2022-11-12T11:29:01Z)
• TripletTrack: 3D Object Tracking using Triplet Embeddings and LSTM [0.0]
  3Dオブジェクトトラッキングは、自動運転システムにおいて重要なタスクである。 本稿では,3次元物体追跡における3重項埋め込みと動作表現の併用について検討する。
  論文  参考訳（メタデータ） (2022-10-28T15:23:50Z)
• CFTrack: Center-based Radar and Camera Fusion for 3D Multi-Object Tracking [9.62721286522053]
  本稿では,レーダとカメラセンサの融合に基づく共同物体検出と追跡のためのエンドツーエンドネットワークを提案する。 提案手法では,物体検出に中心型レーダカメラ融合アルゴリズムを用い,物体関連にグリーディアルゴリズムを用いる。 提案手法は,20.0AMOTAを達成し,ベンチマークにおける視覚ベースの3Dトラッキング手法よりも優れる,挑戦的なnuScenesデータセット上で評価する。
  論文  参考訳（メタデータ） (2021-07-11T23:56:53Z)
• Learnable Online Graph Representations for 3D Multi-Object Tracking [156.58876381318402]
  3D MOT問題に対する統一型学習型アプローチを提案します。 我々は、完全にトレーニング可能なデータアソシエーションにNeural Message Passing Networkを使用します。 AMOTAの65.6%の最先端性能と58%のIDスウィッチを達成して、公開可能なnuScenesデータセットに対する提案手法のメリットを示す。
  論文  参考訳（メタデータ） (2021-04-23T17:59:28Z)
• Monocular Quasi-Dense 3D Object Tracking [99.51683944057191]
  周囲の物体の将来の位置を予測し、自律運転などの多くのアプリケーションで観測者の行動を計画するためには、信頼性と正確な3D追跡フレームワークが不可欠である。 移動プラットフォーム上で撮影された2次元画像のシーケンスから,移動物体を時間とともに効果的に関連付け,その全3次元バウンディングボックス情報を推定するフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-12T15:30:02Z)
• e-TLD: Event-based Framework for Dynamic Object Tracking [23.026432675020683]
  本稿では,一般的な追跡条件下での移動イベントカメラを用いた長期オブジェクト追跡フレームワークを提案する。 このフレームワークは、オンライン学習を伴うオブジェクトの識別表現を使用し、ビューのフィールドに戻るとオブジェクトを検出し、追跡する。
  論文  参考訳（メタデータ） (2020-09-02T07:08:56Z)
• Instant 3D Object Tracking with Applications in Augmented Reality [4.893345190925178]
  3Dでオブジェクトのポーズを追跡することは拡張現実アプリケーションにとって重要なビルディングブロックである。 本研究では,物体の空間における姿勢をモバイルデバイス上でリアルタイムに追跡するインスタントモーショントラッキングシステムを提案する。
  論文  参考訳（メタデータ） (2020-06-23T17:48:29Z)

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。