Core Concepts
정적 카메라 동영상에서 정적 포인트의 떨림과 가짜 추적을 해결하기 위해 다중 수준 카메라 움직임 감지와 신뢰할 수 있는 움직임 영역 기반 포인트 궤적 예측 방법을 제안합니다.
Abstract
이 보고서는 ICCV 1st Perception Test Challenge 2023의 포인트 추적 과제에 대한 개선된 방법을 제안합니다.
다중 수준 카메라 움직임 감지 알고리즘: 동영상 전체와 세그먼트 수준에서 프레임 간 유사성을 분석하여 정적 카메라와 움직이는 카메라 동영상을 구분합니다.
CMR 기반 포인트 궤적 예측: 정적 카메라 동영상의 경우, 움직이는 객체 영역을 감지하여 해당 영역의 포인트는 TAPIR 모델로 예측하고, 나머지 정적 포인트는 정적 기준선을 사용하여 예측합니다.
이를 통해 정적 포인트의 떨림과 가짜 추적 문제를 해결할 수 있었습니다. 실험 결과, 제안 방법인 TAPIR+가 기존 방법보다 정적 카메라 동영상에서 약 2.79 점 향상된 성능을 보였습니다.
Stats
정적 카메라 동영상에서 TAPIR 모델의 예측 결과에는 정적 포인트의 떨림과 가짜 추적 현상이 발생합니다.
TAPIR+ 모델은 정적 카메라 동영상에서 약 2.79점 향상된 성능을 보였습니다.
Quotes
"TAPIR+ 모델은 정적 카메라 동영상에서 정적 포인트의 떨림과 가짜 추적 문제를 효과적으로 해결할 수 있었습니다."
"TAPIR+ 모델은 정적 카메라 동영상에서 약 2.79점 향상된 성능을 보였습니다."