論文の概要: Consensus Capture in Reference-Based UAV Video Stabilization: A Benchmark on Dynamic Urban Scenes
- arxiv url: http://arxiv.org/abs/2611.17190v1
- Date: Thu, 12 Nov 2026 17:55:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.577676
- Title: Consensus Capture in Reference-Based UAV Video Stabilization: A Benchmark on Dynamic Urban Scenes
- Title(参考訳): 参照型UAVビデオ安定化におけるコンセンサスキャプチャ:動的都市シーンのベンチマーク
- Abstract要約: 基準フレーム安定化は、ホバリングドロンの動画のすべてのフレームを1つの基準フレームに登録する。
2段階のベンチマークでは、コンセンサスキャプチャと、それを防ぐためのオブジェクトマスキングが測定されている。
静的シーンでは、AkaZE、RootSIFT、SIFT、BRISKのリードをチューニングし、マーカ閾値を調整すると、平均平均精度(mAA)が0.0062以上上昇し、マスキングコストは0.005未満である。
- 参考スコア(独自算出の注目度): 3.2099113524828513
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Reference-frame stabilization registers every frame of a hovering-drone video onto one reference frame, keeping object positions comparable. The registration pipelines it relies on are selected on feature-matching benchmarks in which only the camera moves. Over a busy intersection, vehicles moving together supply mutually consistent correspondences that can draw the robust homography estimate toward their motion: consensus capture, which inlier statistics cannot flag. A two-part benchmark measures it and the object masking meant to prevent it. A static protocol scores ten pipelines under exactly known homographies on 4K aerial frames, tuned on a site-disjoint split at a matched resolution and feature budget. A dynamic protocol scores them at an offline and a real-time budget on hovers selected from the video alone to span the amount and coherence of moving foreground, plus a stationary control. It measures background alignment, object position error and the share of a moving group's displacement an estimate follows, against a pseudo-ground-truth reference audited with manually annotated ground control points, which also score every candidate. On static scenes, tuned AKAZE, RootSIFT, SIFT and BRISK lead, retuning the matcher thresholds raises the mean average accuracy (mAA) by at most 0.0062, and masking costs less than 0.005. Unmasked ORB is captured on 28 of 304 real-time dynamic pairs and on 6 offline; its real-time captured estimates have a median corner error of 18.8 px yet typical inlier counts and ratios. Masking removes capture for every pipeline and leaves the leading pipelines unchanged. Code, data and results are released.
- Abstract(参考訳): 参照フレーム安定化は、ホバリングドロンの動画のすべてのフレームを1つの参照フレームに登録し、オブジェクトの位置を同等に保つ。
登録パイプラインは、カメラのみが動く機能マッチングベンチマークで選択される。
混み合った交差点で、一緒に移動する車両は互いに一貫した対応を提供し、ロバストなホモグラフィー推定を彼らの動きに向けて引き出すことができる。
ふたつのベンチマークがそれを測定し、オブジェクトのマスキングはそれを防ぐことを意味しています。
静的なプロトコルは、4Kの空中フレーム上の正確に知られたホモグラフの下で10のパイプラインをスコアし、一致した解像度と特徴予算でサイト不一致の分割をチューニングする。
ダイナミックプロトコルは、動画から選択したホバーのオフラインとリアルタイムの予算でそれらをスコア付けし、移動している前景の量とコヒーレンスにまたがる。
背景アライメント、オブジェクト位置誤差、推定した移動群の変位のシェアを、手動でアノテートされた接地制御ポイントで監査された擬似地上構造基準に対して測定し、すべての候補をスコアする。
静的シーンでは、AkaZE、RootSIFT、SIFT、BRISKのリードをチューニングし、マーカ閾値を調整すると、平均平均精度(mAA)が0.0062以上上昇し、マスキングコストは0.005未満である。
未知のORBは304のリアルタイム動的ペアのうち28と6のオフラインでキャプチャされ、リアルタイムにキャプチャされた推定値は18.8pxの中央値のコーナー誤差を持つが、典型的には不整数と比率を持つ。
マスキングは、すべてのパイプラインのキャプチャを取り除き、主要なパイプラインを変更せずにすむ。
コード、データ、結果はリリースされます。
関連論文リスト
- SituHOI: Scalable Capture of Scene-Situated Full-Body Human-Object Interaction [44.88259265820753]
SituHOIは大規模なRGB-Dデータセットで、16室に18,429本の注釈付きクリップが含まれている。
単一の動くRGB-Dカメラからの録音と、静的なシーンスキャン、オブジェクト幾何学、言語記述、推定された人間とオブジェクトの軌跡をペアリングする。
これらのデータは、目標条件付き共同動作予測ベンチマークであるFlexHOI-Benchをサポートする。
論文 参考訳(メタデータ) (2026-10-13T17:39:10Z) - SymRegFlow: Symmetry-Regularized Flow Matching for Video World Models [50.31523697382425]
EmphSymRegFlowは、マルチビュー一貫性ビデオ生成のための対称規則化フローマッチングフレームワークである。
それぞれのターゲットポーズに対して、SymRegFlowは、ソースビューをノイズアンカーに幾何学的にワープし、マスク付きデュアルアンカー監視とクロスアンカー・アウトプの一貫性を組み合わせる。
Cosmos-Drive-DreamsとnuScenesの実験は、高品質でマルチビュー一貫性のある自動運転ビデオ生成を実証している。
論文 参考訳(メタデータ) (2026-10-02T03:02:22Z) - VideoReloc: Long-Term Indoor Video Relocalization against a Kilobyte-Scale Semantic Scene Graph [50.42050161026878]
長時間の屋内ビデオ再配置は、照明や家具の変更後の地図フレームの軌跡を推定する。
ビジュアルメソッドは外観に依存し、これらの変更によって信頼性が低下する。
適応的なビデオクリップは、物体と動きの基準が満たされるまで、空間的証拠を集めるためにオドメトリーを使用する。
論文 参考訳(メタデータ) (2026-09-18T14:16:41Z) - MemCorr-DP: Counterfactual Correspondence Conditioning for a Diffusion Policy Guided by a Reference [6.8087753393731125]
凍結したRoMa v2を持ち上げる拡散ポリシであるMemCorr-DPを,現在のシーンと参照軌道との明示的な3次元関係に整合する。
この組み合わせにより、MemCorr-DPは96.67%のクローズドループ成功を達成し、同じアクションアーキテクチャを持つビジュアルトランスフォーマーでは88.90%となった。
論文 参考訳(メタデータ) (2026-09-06T14:03:20Z) - Event-Based Motion Estimation via Oriented Distance Fields [55.23416502666468]
イベントベースの動き推定は、高時間分解能と高速動作に対する堅牢性を必要とするタスクの中心である。
本稿では,この最適化を,事前計算された事象距離ベクトルの場上の1つの平均ステップに置き換える,オブジェクト指向距離場運動推定(ODF Motion Estimation)を提案する。
公開および自己収集されたデータセットでは,ODFの動作推定は,比較手法の中で最低レイテンシでサブピクセル精度に達する。
論文 参考訳(メタデータ) (2026-08-25T08:27:42Z) - Self-Calibrating Dense Displacement Fields for Reliable Co-Registration of Large Optical Satellite Imagery [4.730120849611304]
共同登録は、光学衛星画像の時間・マルチセンサー利用のほぼすべての基盤となる。
SCDF, トレーニング不要なGPUフリーな推定器で, 動きモデル自体が画素あたりの高密度変位場である。
実際のSentinel Landsat-8/9とNAIP画像から構築された584基の地上トラスペアでは、SCDFは故障のない全てのペアを登録する。
論文 参考訳(メタデータ) (2026-08-23T08:50:59Z) - Zero-Shot Traffic Accident Detection via a Coarse-to-Fine VLM-Tracking Pipeline [0.10874100424278173]
ACCIDENT @ CVPRベンチマークは、厳密な制約の下で、この共同予測を正確に評価する。
我々は,凍結したQwen3-VL-32B-インストラクション視覚言語モデルとYOLO11xオブジェクト検出とBoT-SORTトラッキングを組み合わせた,トレーニングフリーで2パスの粗いパイプラインを提案する。
公式の2,027クリップの実CCTVテストセットにおいて,本システムは0.504の3方向高調波平均スコアを達成した。
論文 参考訳(メタデータ) (2026-08-09T19:08:56Z) - Selective Cross-View Consistency for World Action Models: Held-Out Viewpoint Robustness Without Test-Time Camera Information [0.0]
世界アクションモデル(WAM)は、将来のビデオフレームとロボットアクションを共同で認知し、その制御を一般化することが期待されている。
同状態のクロスビュー画像ペアでトレーニングする場合、どの出力座標に一貫性損失を課すべきか?
共変ブロックに適用される整合性は有意な有害性を示し、正規のビュー特化コンテンツをその真値の1/(1+4)$に縮め、制御実験においてこの縮退則を検証する。
論文 参考訳(メタデータ) (2026-08-07T12:03:23Z) - MATE: Motion-Augmented Temporal Consistency for Event-based Point Tracking [58.719310295870024]
本稿では,任意の点を追跡するイベントベースのフレームワークを提案する。
事象の間隔に起因する曖昧さを解決するため、運動誘導モジュールは運動ベクトルを局所的なマッチングプロセスに組み込む。
このメソッドは、任意のポイントベースラインのイベントのみのトラッキングに対して、$Survival_50$メトリックを17.9%改善する。
論文 参考訳(メタデータ) (2024-12-02T09:13:29Z) - PMI Sampler: Patch Similarity Guided Frame Selection for Aerial Action
Recognition [52.78234467516168]
本稿では、隣接フレーム間の動きバイアスを定量化するために、パッチ相互情報(PMI)スコアの概念を導入する。
シフトリークReLuと累積分布関数を用いた適応フレーム選択方式を提案する。
本手法は,UAV-Humanの2.2~13.8%,NEC Droneの6.8%,Diving48データセットの9.0%の相対的な改善を実現している。
論文 参考訳(メタデータ) (2023-04-14T00:01:11Z) - GoRela: Go Relative for Viewpoint-Invariant Motion Forecasting [121.42898228997538]
精度や一般化を犠牲にすることなく、全てのエージェントとマップに対して効率的な共有符号化を提案する。
不均一空間グラフにおけるエージェントとマップ要素間の幾何学的関係を表現するために、ペアワイズ相対的な位置符号化を利用する。
我々のデコーダは視点非依存であり、レーングラフ上でエージェント目標を予測し、多様かつコンテキスト対応のマルチモーダル予測を可能にする。
論文 参考訳(メタデータ) (2022-11-04T16:10:50Z)
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。