Distributed Expectation Propagation for Multi-Object Tracking over Sensor Networks

要約

このホワイトペーパーでは、複数のセンサーの新しい分散期待伝播アルゴリズム、散らかった環境で複数のオブジェクトを追跡することを提示します。
提案されたフレームワークにより、各センサーは他のセンサーとモーメントの推定値を共同で交換しながら、局所的に動作することができるため、すべてのデータを中央処理ノードに送信する必要がなくなります。
具体的には、高速で並列化可能なRao-BlackWellised Gibbsサンプリングスキームを導入して、傾斜した分布を近似します。これにより、期待伝播の更新の精度と効率が向上します。
結果は、提案されたアルゴリズムが、動的センサーの接続性とさまざまなクラッターレベルを備えたマルチオブジェクト追跡タスクの通信効率と推論効率の両方を改善することを示しています。

要約(オリジナル)

In this paper, we present a novel distributed expectation propagation algorithm for multiple sensors, multiple objects tracking in cluttered environments. The proposed framework enables each sensor to operate locally while collaboratively exchanging moment estimates with other sensors, thus eliminating the need to transmit all data to a central processing node. Specifically, we introduce a fast and parallelisable Rao-Blackwellised Gibbs sampling scheme to approximate the tilted distributions, which enhances the accuracy and efficiency of expectation propagation updates. Results demonstrate that the proposed algorithm improves both communication and inference efficiency for multi-object tracking tasks with dynamic sensor connectivity and varying clutter levels.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google