Alapfogalmak
本研究は、3D空間における物体の細かな長期的な動きを同時に捉えることができる新しい課題である長期シーンフロー推定に取り組む。提案手法のSceneTrackerは、反復的なアプローチと変換器を用いて、3D空間の遮蔽や深度ノイズの影響に強く、長期的な3D軌跡の推定を実現する。
Kivonat
本研究は、従来の「シーンフロー推定」と「3Dオブジェクトトラッキング」の課題を統合した新しい課題である「長期シーンフロー推定」に取り組む。提案手法のSceneTrackerは以下の特徴を持つ:
- 反復的なアプローチを採用し、大きな物体の移動に対応する。
- 外観相関特徴と深度相関特徴を同時に抽出し、2D画像情報と3D深度情報を統合的に活用する。
- 変換器ネットワークを用いて、軌跡内部および軌跡間の長距離依存関係をモデル化する。
これらの特徴により、SceneTrackerは3D空間の遮蔽や深度ノイズの影響に強く、長期的な3D軌跡の推定を実現する。定量的・定性的な実験結果から、提案手法の優位性が示された。
Statisztikák
3D空間における物体の位置誤差が0.2m以内の軌跡点の割合は90.85%に達する。
3D軌跡の中央値誤差は0.075m、平均誤差は0.081mと高精度である。
3D軌跡の0.2m以内の誤差率は89.25%と高い。
Idézetek
"本研究は、従来の「シーンフロー推定」と「3Dオブジェクトトラッキング」の課題を統合した新しい課題である「長期シーンフロー推定」に取り組む。"
"提案手法のSceneTrackerは、反復的なアプローチと変換器を用いて、3D空間の遮蔽や深度ノイズの影響に強く、長期的な3D軌跡の推定を実現する。"