- …
- …
#623
summarized by : 小林 範久
どんな論文か？
これまでのオブジェクトトラッキングモデルは、バックボーンネットワークを共有しているのにもかかわらず、トラッキングと物体検出のために算出される情報が有意義な形で統合して利用されていなかった。本論文では、トラッキングで得た情報を物体検出時に有効に利用し、損失関数を工夫することで、従来モデルよりもオクルージョンやモーションによる物体のぶれなどにも強いモデルを作ることを目指した。
新規性
トラッキングのために得る re-ID 用の embedding features を用いて、２つのフレーム間の対応するポイントの類似度をCostVolume という形でまとめ、そこからトラッキング補正点を算出しモーションキューとして取得し、オブジェクトの特徴を前のフレームから現在のフレームに伝播する形にすることで、トラッキングと物体検出の両方の情報をはじめて有意義に統合して利用した。
結果
２D物体トラッキングタスクのベンチマークMOT、３D物体トラッキングタスクのベンチマークnuScenes、インスタンスタスクのベンチマークMOTSとYouTube-VISで既存のSoATモデルの精度を超えた。また、物体の移動が広範囲に渡る際や、物体が隠れてしまうときなどでも従来よりもロバストな性能があることを示した。
その他（なぜ通ったか？等）
HP: https://jialianwu.com/projects/TraDeS.html
Github：https://github.com/JialianW/TraDeS
- …
- …