論文の概要: PanoPed: Beyond Bounding Boxes for Sim-to-Real Panoramic Pedestrian Tracking
- arxiv url: http://arxiv.org/abs/2610.08826v1
- Date: Fri, 25 Sep 2026 17:52:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-11 16:33:44.546134
- Title: PanoPed: Beyond Bounding Boxes for Sim-to-Real Panoramic Pedestrian Tracking
- Title（参考訳）: PanoPed:パノラマ歩行者追跡のためのバウンディングボックスを超えて
- Abstract要約: PanoPedは全球での歩行者追跡のためのベンチマークだ。
PanoPed-Sには、固定、四足歩行、ドローン搭載カメラの108,000フレームが含まれている。
PanoPed-Rは、固定カメラから28,002フレームを追加し、そのうち16,247フレームに注釈を付けている。
Sextantは、約0.035万のパラメータしか持たない、プラグアンドプレイの角化ヘッドである。
- 参考スコア（独自算出の注目度）: 7.2138347467561275
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Full-sphere panoramic cameras let fixed monitoring systems and mobile robots track people in every direction, but a planar bounding box does not fully describe where a person is on the sphere. We introduce PanoPed, a sim-to-real benchmark for pedestrian tracking on the full sphere. PanoPed-S contains 108,000 frames from fixed, quadruped-mounted, and drone-mounted cameras, with synchronized masks, depth, camera poses, and 3D pedestrian states. PanoPed-R adds 28,002 real frames from fixed cameras, 16,247 of them densely annotated. We find that an ERP rectangle cannot uniquely determine the spherical center and angular extent of the visible person, while the detector's visual query still carries information about them. Inspired by the sextant's use of angular measurements to locate objects, we propose Sextant, a plug-and-play angular localization head with only about 0.035M parameters. It reuses a frozen detector, keeps track identities unchanged, and needs no extra image encoder. Sextant gives the best result in our PanoPed-S test comparison, raising the strongest baseline, MOTIP, from 47.30 to 49.49 HOTA, with gains on all eight test sequences. Without fine-tuning on real data, the same synthetic-trained heads improve MOTIP and HAT by 0.96-1.14 HOTA on real video, and both seeds improve every real sequence. HAT+Sextant scores best among the compared systems that add no localization image encoder.
- Abstract（参考訳）: フルスフィアのパノラマカメラは、固定された監視システムと移動ロボットがあらゆる方向の人々を追跡できるようにする。
フルスフィア上での歩行者追跡のためのシミュレート・トゥ・リアルなベンチマークであるPanoPedを紹介した。
PanoPed-Sには、固定、四角いマウント、ドローン搭載カメラの108,000フレームが含まれており、マスク、奥行き、カメラポーズ、3D歩行者状態が同期している。
PanoPed-Rは、固定カメラから28,002フレームを追加し、そのうち16,247フレームに注釈を付けている。
ERP長方形は可視者の球面中心と角の範囲を一意に決定できないが、検出器の視覚的クエリはそれらに関する情報をまだ持っていない。
そこで本研究では,約0.035万のパラメータしか持たないプラグアンドプレイ角化ヘッドであるSextantを提案する。
凍結検知器を再利用し、追跡のアイデンティティを変更せず、余分な画像エンコーダも必要としない。
SextantはPanoPed-Sテストの比較で最高の結果をもたらし、最強のベースラインであるMOTIPを47.30から49.49 HOTAに引き上げ、8つのテストシーケンスすべてでゲインを得た。
実際のデータを微調整することなく、同じ合成訓練された頭は実ビデオでMOTIPとHATを0.96-1.14HOTA改善し、両方の種子は実数列を改良した。
HAT+Sextantは、ローカライゼーション画像エンコーダを付加しない比較システムの中で最高のスコアである。
関連論文リスト
- OmniCam: Omni-Camera Trajectory Generation via Geometry-Grounded Pose Token Learning [59.50976927168127]
我々は,1つのパノラマとテキストの軌跡記述からカメラポーズ列を生成する自動回帰モデルであるOmniCamを紹介する。
報告されたOmniCaTの評価では、OmniCamは軌道誤差を28～47%減らし、衝突速度を65.8%減らした。
論文 参考訳（メタデータ） (2026-10-07T06:08:28Z) - FUSEye: Training-Light Fisheye Detection with Overlapping Views and Zero-Initialized Adapters [26.32137721461474]
FUSEyeは、凍ったバックボーンのCOCOをトレーニングした超大型のYOLO26検出器を魚眼検出器に変えるフレームワークだ。
転送ギャップは3つの因果的にリンクされたレベルに対処する。
WoodScapeのサラウンドビュー魚眼のベンチマークでは、FUSEyeはYOLO26-xを0.148から0.266 mAP50に上げ、84.3%の精度を維持している。
論文 参考訳（メタデータ） (2026-10-02T04:42:50Z) - From Multi-Fisheye Sensing to Panoramic Perception: A Parallax-Aware Onboard Platform for Ultra-Low-Altitude UAVs [9.663036325597135]
超低高度無人航空機(UAV)は、建物、植生、その他の障害物の近くでの周囲の視界を必要とする。
4つの同期魚眼ストリームをオープン1280x640矩形パノラマ (ERP) インターフェースに変換するパララックス対応プラットフォームを提案する。
論文 参考訳（メタデータ） (2026-09-02T09:04:52Z) - TAPVid-MV: A Benchmark for Tracking Any Point in 3D Across Multiple Views [50.26507994908593]
この設定の最初のベンチマークであるTAPVid-MV(Tracking Any Point in Video across Multiple Views)を紹介します。
キュレートされた284のシーケンス、1,142のキャリブレーションされたカメラストリーム、109,769のトラックが、屋内と屋外のドメインにまたがる7つのサブセットにまたがっている。
本研究では,センサ深度,LiDAR,SLAM,SfM点,ヒューマンメッシュ,ポーズされたオブジェクトメッシュ,シミュレーションといった,データセット固有の補助的モダリティを用いてこれらのトラジェクトリを解析し,各シーケンスとトラジェクトリを人間のアノテーションによって視覚的に検証する。
論文 参考訳（メタデータ） (2026-09-01T21:58:51Z) - 360Anything: Geometry-Free Lifting of Images and Videos to 360° [51.50120114305155]
既存のアプローチは、パースペクティブと等方射影空間の間の明示的な幾何学的アライメントに依存している。
事前学習した拡散変換器上に構築された幾何学的自由度フレームワークである360Anythingを提案する。
提案手法は,映像と映像の視点-360生成における最先端性能を実現する。
論文 参考訳（メタデータ） (2026-01-22T18:45:59Z) - Multi-View 3D Point Tracking [67.21282192436031]
本稿では,複数のカメラビューを用いた動的シーンにおける任意の点の追跡を目的とした,データ駆動型マルチビュー3Dポイントトラッカーについて紹介する。
本モデルでは,現実的な数のカメラを用いて直接3次元対応を推定する。
我々は5K合成多視点Kubricシーケンスをトレーニングし、2つの実世界のベンチマークで評価する。
論文 参考訳（メタデータ） (2025-08-28T17:58:20Z) - Omnidirectional Multi-Object Tracking [27.858084330925372]
パノラマ画像は、Multi-Object Tracking(MOT)をサポートする包括的な情報を提供する
ほとんどのMOTアルゴリズムは、視野が限られているピンホール画像用に調整されており、パノラマ環境での有効性を損なう。
我々はOmniTrackを提案する。OmniTrackは、Tracklet Managementを組み込んで時間的キューを導入し、FlexiTrackインスタンスをオブジェクトのローカライゼーションとアソシエーションに利用し、CircularStatEモジュールを使って画像や幾何学的歪みを緩和する。
論文 参考訳（メタデータ） (2025-03-06T15:53:42Z) - SynWoodScape: Synthetic Surround-view Fisheye Camera Dataset for
Autonomous Driving [11.218570399525005]
190degの視野を持つ4台の魚眼カメラが、車両の周囲の360degを覆っている。
高いラジアル歪みのため、標準アルゴリズムは容易に拡張できない。
10以上のタスクに対するアノテーションを備えた合成データセットから80kイメージをリリースします。
論文 参考訳（メタデータ） (2022-03-09T21:30:52Z) - TUM-VIE: The TUM Stereo Visual-Inertial Event Dataset [50.8779574716494]
イベントカメラはバイオインスパイアされた視覚センサーで、ピクセルごとの明るさの変化を測定する。
これらは、低レイテンシ、高ダイナミックレンジ、高時間分解能、低消費電力など、従来のフレームベースのカメラよりも多くの利点を提供する。
イベントカメラを用いた3次元認識・ナビゲーションアルゴリズムの開発を促進するため,TUM-VIEデータセットを提案する。
論文 参考訳（メタデータ） (2021-08-16T19:53:56Z) - Tracking Objects as Points [83.9217787335878]
同時に検出と追跡を同時に行うアルゴリズムは,最先端技術よりもシンプルで,高速で,高精度である。
トラッカーであるCenterTrackは、前のフレームから一対のイメージと検出に検出モデルを適用します。
CenterTrackはシンプルで、オンライン(未来を覗くことはない)で、リアルタイムだ。
論文 参考訳（メタデータ） (2020-04-02T17:58:40Z)
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。