文献

J-GLOBAL ID：202202272587574596   整理番号：22A0789018

マルチモーションと外観自己教師付き移動オブジェクト検出【JST・京大機械翻訳】

Multi-motion and Appearance Self-Supervised Moving Object Detection

著者 (6件)： Yang Fan (United Imaging Intelligence,Cambridge,MA,USA) ,  Karanam Srikrishna (United Imaging Intelligence,Cambridge,MA,USA) ,  Zheng Meng (United Imaging Intelligence,Cambridge,MA,USA) ,  Chen Terrence (United Imaging Intelligence,Cambridge,MA,USA) ,  Ling Haibin (Stony Brook University,Stony Brook,NY,USA) ,  Wu Ziyan (United Imaging Intelligence,Cambridge,MA,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： WACV  ページ： 2101-2110  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本研究では,ビデオにおける自己教師付き移動オブジェクト検出(MOD)の問題を考察し,そこでは,訓練と推論フェーズの両者にグランドトルースは含まれない。最近,MODに対する固有時間情報を利用するために,敵対学習フレームワークを提案した。非常に有望な結果を示す一方で,それは単一スケール時間情報を使用して,種々の部分におけるマルチスケール運動の下で変形可能な物体を扱うとき,問題を満たすかもしれない。付加的な課題は移動カメラから生じ,運動独立仮説と局所独立背景運動の失敗をもたらす。これらの問題を取り扱うために,MODのためのシーンのマルチスケール動き情報と外観情報を導入するために,マルチモーションとAppearance自己監督ネットワーク(MASNet)を提案した。特に,移動物体,特に変形可能は,通常,様々な時間スケールで移動領域から成る。マルチスケール運動の導入は,より完全な検出を形成するためにこれらの領域を凝集できる。外見情報は,運動自立が信頼できない場合,また局所独立背景運動に起因する背景における偽検出を除去するために,MODに対するもう一つの手がかりとして役立つことができる。マルチスケール運動と外観を符号化するために,MASNetにおいて,それぞれマルチブランチフロー符号化モジュールと画像インポータモジュールを設計した。提案したモジュールとMASNetをDAVISデータセット上で広範囲に評価し,最先端の自己監督法の有効性と優位性を実証した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  ネットワーク ,  録画装置 ,  移動体 ,  有効性
準シソーラス用語： 時間情報 ,  マルチスケール ,  *物体検出 ,  移動カメラ ,  グランドトゥルース ,  動作データ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： マルチ ,  モーション ,  外観 ,  自己 ,  教師 ,  オブジェクト検出