論文の概要: On-the-Fly Homographies Calibration for Multi-Camera Tracking
- arxiv url: http://arxiv.org/abs/2609.18582v1
- Date: Wed, 16 Sep 2026 12:41:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:53.801564
- Title: On-the-Fly Homographies Calibration for Multi-Camera Tracking
- Title（参考訳）: マルチカメラ追跡のためのオンザフライホログラフィー校正
- Abstract要約: マルチカメラトラッキングは、伝統的に厳格な3Dサイトキャリブレーションに依存しているが、大規模な展開ではこの要求はしばしば運用不可能である。
そこで我々は,これらの障壁を「オンザフライ」幾何補正により克服するために,マルチカメラ・モノグラフィ・キャリブレーションシステムを提案する。
- 参考スコア（独自算出の注目度）: 0.19116784879310023
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Precise multi-camera tracking traditionally relies on rigorous 3D site calibration, yet this requirement is often operationally impossible in large-scale deployments. Privacy regulations frequently prohibit recording video for offline calibration; limited bandwidth precludes synchronizing high-resolution streams from hundreds of cameras; and covering immense physical sites with calibration targets is logistically infeasible. We present a multi-camera homography calibration system designed to overcome these barriers through "on-the-fly" geometric refinement. Starting from coarse manual homographies, we introduce a centroid-based projection optimization (PO) that continuously aligns the ground-plane geometry using live detection streams. Because PO operates asynchronously on already-transmitted, lightweight metadata, it adds zero computational latency to the real-time tracker. This allows the system to adapt automatically to camera movements or environmental changes without human intervention. This optimized geometry feeds a multi-camera bird's-eye-view (BEV) tracker that fuses detections and unifies trajectories across zones. Crucially, by operating strictly on live anonymous metadata, our solution ensures a privacy-safe, zero-overhead, and resilient tracking pipeline that maintains global consistency in dynamic environments where static, recorded-video calibration is impossible.
- Abstract（参考訳）: 高精度なマルチカメラトラッキングは、伝統的に厳格な3Dサイトキャリブレーションに依存しているが、大規模な展開ではこの要求はしばしば運用不可能である。
プライバシー規制は、オフラインキャリブレーションのための録画をしばしば禁止している; 帯域幅の制限は、数百台のカメラからの高解像度ストリームの同期を妨げる; キャリブレーション対象の巨大な物理サイトをカバーすることは、論理的に不可能である。
そこで我々は,これらの障壁を「オンザフライ」幾何補正により克服するために,マルチカメラ・モノグラフィ・キャリブレーションシステムを提案する。
粗い手動のホモグラフから始めると、ライブ検出ストリームを用いて地平面形状を連続的に整列するセントロイドベースのプロジェクション最適化(PO)を導入する。
POは、すでに送信された軽量メタデータで非同期に動作するため、リアルタイムトラッカーに計算遅延がゼロになる。
これにより、人間の介入なしにカメラの動きや環境の変化に自動的に適応できる。
この最適化された幾何学は、マルチカメラのバードアイビュー(BEV)トラッカーを供給し、検出を融合させ、ゾーンをまたいだ軌道を統一する。
重要なのは、ライブの匿名メタデータを厳格に操作することで、静的なビデオキャリブレーションが不可能な動的環境におけるグローバルな一貫性を維持する、プライバシセーフでゼロオーバヘッド、レジリエントなトラッキングパイプラインを保証します。
関連論文リスト
- Calousel: Extrinsic Calibration of Non-overlapping Multi-camera Systems from Pure Rotation [7.816762304840921]
従来の目標ベース手法は、かなりの目標設定オーバーヘッドを課す。
動きに基づくアプローチは、代わりにドリフトエラー、あいまいさのスケール、動きの縮退に悩まされる。
本研究では,1つの静的キャリブレーション板のみを必要とする純粋回転運動を利用する新しいキャリブレーション法を提案する。
論文 参考訳（メタデータ） (2026-06-24T09:54:20Z) - GeoStream: Toward Precise Camera Controlled Streaming Video Generation [85.01823220801256]
既存のアプローチはカメラの動きを暗黙的に学習し、アウト・オブ・ディストリビューション・トラジェクトリの下で不正確な制御をもたらす。
厳密な幾何学的条件付けにより制御性が向上するが、既存の手法は非自己回帰的である。
自動回帰ストリーミングビデオ生成における高精度なメカニカルカメラ制御を実現するフレームワークであるGeoStreamを提案する。
論文 参考訳（メタデータ） (2026-06-13T07:18:04Z) - Robust Camera-to-Mocap Calibration and Verification for Large-Scale Multi-Camera Data Capture [18.22576487999375]
魚眼カメラの校正・検証システムについて述べる。
lollypopは、キャリブレーションデータから完全に独立した測定チェーンを通じて、高速で演算子に依存しない評価を提供する。
システムは運用データ収集パイプラインにデプロイされている。
論文 参考訳（メタデータ） (2026-04-23T23:37:00Z) - UCM: Unifying Camera Control and Memory with Time-aware Positional Encoding Warping for World Models [54.564740558030245]
UCMは、長期記憶と正確なカメラ制御をタイムアウェアな位置符号化変換機構を介して統合する新しいフレームワークである。
我々はまた、ポイントクラウドベースのレンダリングを利用したスケーラブルなデータキュレーション戦略を導入し、シーンの再考をシミュレートする。
論文 参考訳（メタデータ） (2026-02-26T12:54:46Z) - Two-Stage Camera Calibration Method for Multi-Camera Systems Using Scene Geometry [52.27010615715154]
本稿では,マルチカメラトラッキングシステムのための2段階キャリブレーション手法を提案する。
第1段階では、自然幾何学的プリミティブの演算子のアノテーションに基づいて、個々のカメラの部分校正を行う。
第2段階では、投影された有効視野のインタラクティブな操作により、正確なシステム校正を行う。
論文 参考訳（メタデータ） (2025-12-04T16:47:39Z) - Visual Odometry with Transformers [68.453547770334]
特徴抽出により単眼フレームのシーケンスを処理するビジュアル・オドメトリ・トランスフォーマ(VoT)を導入する。
従来の方法とは異なり、VoTは密度の高い幾何学を推定することなくカメラの動きを直接予測し、監視のためにカメラのポーズのみに依存する。
VoTは、より大きなデータセットで効果的にスケールし、より強力なトレーニング済みバックボーンの恩恵を受け、多様なカメラモーションとキャリブレーション設定を一般化し、従来のメソッドよりも3倍以上高速に動作しながらパフォーマンスを向上する。
論文 参考訳（メタデータ） (2025-10-02T17:00:14Z) - DATAP-SfM: Dynamic-Aware Tracking Any Point for Robust Structure from Motion in the Wild [85.03973683867797]
本稿では,スムーズなカメラ軌跡を推定し,野生のカジュアルビデオのための高密度点雲を得るための,簡潔でエレガントでロバストなパイプラインを提案する。
提案手法は,複雑な動的課題シーンにおいても,カメラポーズ推定による最先端性能を実現する。
論文 参考訳（メタデータ） (2024-11-20T13:01:16Z) - PnLCalib: Sports Field Registration via Points and Lines Optimization [16.278222277579655]
放送されたスポーツビデオのカメラキャリブレーションは、正確なスポーツフィールドの登録に多くの課題をもたらす。
従来の検索ベースの手法は初期カメラのポーズ推定に依存しており、非標準位置で苦労する可能性がある。
本稿では,3次元サッカー場モデルと予め定義されたキーポイントのセットを利用して,これらの制限を克服する最適化に基づくキャリブレーションパイプラインを提案する。
論文 参考訳（メタデータ） (2024-04-12T11:15:15Z) - Minimum Latency Deep Online Video Stabilization [77.68990069996939]
本稿では,オンラインビデオ安定化作業のための新しいカメラパス最適化フレームワークを提案する。
本研究では,近年の市販の高品位深度モーションモデルを用いて動き推定を行い,カメラの軌道を復元する。
我々の手法は、定性的にも量的にも最先端のオンライン手法を大きく上回っている。
論文 参考訳（メタデータ） (2022-12-05T07:37:32Z)
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。