BriefGPT.xyz
Ask
alpha
关键词
object permanence
搜索结果 - 6
非模态追踪任意物体
通过引入 TAO-Amodal 基准测试数据集，并利用轻量级插件模块，amodal 扩展器，通过数据增强和少量视频序列的微调，我们在 TAO-Amodal 上分别实现了 3.3％和 1.6％对遮挡物体的检测和跟踪改善，并在人物方面相较于现有
→
PDF
7 months ago
离线实时追踪
通过利用物体的持续存在性概念，我们提出了一个离线追踪模型，专注于被遮挡的物体轨迹，并使用向量化地图来改善跟踪结果，从而有效地恢复被遮挡的物体轨迹。在车辆轨迹方面，该模型在 3D 多物体跟踪中取得了显著的改善，比原始在线跟踪结果提高了 45%
→
PDF
9 months ago
通过基于物体的分层表示进行移动物体分割
本篇论文介绍了一个基于对象中心的分割模型，借助变压器架构对光流进行处理来实现视频中的多个运动对象发现、追踪与分割。同时，采用可伸缩管线生成多对象合成训练数据，以及深度学习模型的全面验证研究，并证明其在表现、预测能力等方面都具备领先水平。
PDF
2 years ago
CVPR
利用 4D 神经场揭示遮挡物
这篇论文介绍了一种从单目 RGB-D 学习 4D 视觉表示估计的框架，通过将点云编码成连续表示，该模型能够在时空上跨越上下文从而解决遮挡问题，实验证明这种方法可以成功地处理遮挡问题，并自动学习跟随遮挡物体的注意机制，可以用于许多视频理解任务
→
PDF
2 years ago
学习目标不变的物体跟踪
该论文提出了一种端到端可训练的方法，结合物体检测和跟踪，并引入了序列记忆模块，使其更好地处理多物体跟踪，尤其是遮挡的情况。经过大规模的合成数据和实际测试，在 KITTI 和 MOT17 数据集上取得了最先进的性能表现。
PDF
3 years ago
ECCV
从视频中学习对象的永恒性
通过数据学习目标物体的位置推测，需要拆分成四个子任务，其中第四个子任务最具挑战性，因为它需要一个系统来推理不可见物体的移动位置，本文介绍了一个统一的深度架构，可以在四种情况下学习预测物体位置，并在基于 CATER 的新数据集上对其进行评估，
→
PDF
4 years ago
Prev
Next