Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Long-Term Visual Object Tracking with Event Cameras: An Associative Memory Augmented Tracker and A Benchmark Dataset

Created by
  • Haebom

作者

Xiao Wang, Xufeng Lou, Shiao Wang, Ju Huang, Lan Chen, Bo Jiang

概要

本稿では、既存のイベントストリームベースのトラッカーの短期追跡データセットの評価の制限を指摘し、実際のシナリオの長期追跡を考慮した新しい大規模長期追跡データセットFELTを提示します。 FELTには、1,044の長期ビデオ、190万のRGBフレームとイベントストリームのペア、60の異なるターゲットオブジェクト、14の難しいプロパティが含まれています。さらに、21個の基準トラッカーをFELTデータセットで再訓練および評価してベンチマークを構築し、関連記憶コンバータ(AMT)ベースのRGBイベント長期ビジュアルトラッカーであるAMTTrackを提案します。 AMTTrackは、単一ストリーム追跡フレームワークに従い、Hopfield検索層を介してマルチスケールRGB /イベントテンプレートと検索トークンを効果的に集約し、関連記憶更新方式を介して動的テンプレート表現を維持することで、長期追跡における外観変化の問題を解決します。 FELT、FE108、VisEvent、COESOTデータセットの幅広い実験を通じて、提案されたトラッカーの効果を検証し、データセットとソースコードを公開する予定です。

Takeaways、Limitations

Takeaways:
実際のシナリオを考慮した大規模な長期視覚的オブジェクト追跡データセットFELTを提示することによる長期追跡研究の発展に寄与
RGB-イベント情報を効果的に活用する新しい長期追跡アルゴリズムAMTTrackを提案。
AMTTrackの卓越性を様々なデータセットで検証。
長期追跡分野の新しいベンチマークを提供。
Limitations:
FELTデータセットの多様性と代表性の追加レビューが必要です。
AMTTrackの計算コストとリアルタイム性能の追加分析が必要
他の最先端の長期追跡アルゴリズムとのより包括的な比較研究の必要性
👍