object association | BriefGPT

关键词object association

搜索结果 - 8

多目标追踪作为 ID 预测
在多目标跟踪中，我们将目标关联任务视为一种端到端的上下文 ID 预测问题，并提出了一种简化版的 MOTIP 方法，通过直接预测当前帧中物体的 ID 标签来学习跟踪能力，从而避免了繁琐的手工算法。我们的方法在复杂场景中表现出色，并与其他基于
PDF3 months ago
无标记跟踪：通过对比相似性学习进行无监督多目标跟踪
本文探索了样本在视频帧之间的潜在一致性，并提出了一种无监督对比相似性学习方法 UCSL，其中包括自对比、交叉对比和模糊对比三个对比模块。我们的方法在现有基准上表现优于现有的无监督方法，并且甚至比许多完全监督方法提供更高的准确性。
PDF10 months ago
ECCV基于片段关联的追踪
通过将单个视频序列视为多个短片段的方法，提出了一种新的目标关联方法，避免了中间中断的影响，聚合多帧信息实现更准确的长程跟踪关联，并在 TAO 和 MOT17 两个跟踪基准测试中进行了评估。
PDF2 years ago
单目准稠密三维物体跟踪
该研究提出了一种可靠和准确的基于 3D 跟踪的框架，可在众多应用中预测周围物体的未来位置和规划观察者的行动，通过使用拟密度相似性学习，基于 2D 图像，进行初始 2D 关联，并进一步利用 3D 边界框深度排序启发式来实现强健的实例关联和基于
PDF3 years ago
TransTrack：基于 Transformer 的多目标跟踪
本文提出了 TransTrack，该方法利用 Transformer 架构解决多目标跟踪问题，采用对象特征作为当前帧的查询并引入一组学习对象查询以检测新对象，通过实现单次检测和跟踪建立了新的联合检测和跟踪范例，在 MOT17 和 MOT20
PDF4 years ago
GCNNMatch: 基于 Sinkhorn 规范化的图卷积神经网络多目标跟踪
该研究提出了一种使用图卷积神经网络 (GCNN) 进行特征提取和端到端特征匹配来进行在线多目标跟踪 (MOT) 的新方法，通过使用 Sinkhorn 算法进行模型训练中对象之间的关联学习，从而提高了在 MOT 任务中的性能表现。
PDF4 years ago
ECCV多摄像机视角下的实例关联
我们提出了一个具有挑战性的数据集，其中包含多个场景的乱桌子，包含相同的、堆叠的和被其他实例遮挡的多个对象实例，该数据集挑战了现有方法在挖掘微小外观差异、基于上下文的推理、融合外观与几何线索以建立关联方面的性能，在一些流行的基线上报告了有趣的
PDF4 years ago
从自动注释中学习多目标跟踪与分割
本文介绍了一种新型的自动生成训练数据代码库，以及改进了最先进的多目标跟踪和分割方法。文章提出了跟踪挖掘算法和 MOTSNet 的深度学习跟踪方法，并在 KITTI MOTS 数据集上取得了显著的性能提升。
PDF5 years ago