UncertaintyTrack: Exploiting Detection and Localization Uncertainty in Multi-Object Tracking

要約

研究コミュニティからの強い関心と物体検出方法の着実な改善により、最近、複数物体追跡 (MOT) 手法のパフォーマンスが大幅に向上しています。
追跡方法の大部分は、検出による追跡 (TBD) パラダイムに従い、関連する位置特定の不確実性をまったく考慮せずに、入ってくる検出を盲目的に信頼します。
この不確実性の認識の欠如は、自動運転などの安全性が重要なタスクにおいて問題を引き起こし、誤った検出が MOT を含む下流のタスクに伝播し、乗客が危険にさらされる可能性があります。
ボックスの周囲の位置の不確実性を予測する確率的物体検出に関する既存の研究はありますが、自動運転のための 2D MOT に関する研究では、これらの推定値が物体追跡に効果的に活用できるほど十分に意味があるかどうかを研究していません。
UncertaintyTrack を紹介します。これは、確率的物体検出器からの位置不確かさの推定を考慮するために複数の TBD トラッカーに適用できる拡張機能のコレクションです。
Berkeley Deep Drive MOT データセットの実験では、私たちの方法と有益な不確実性推定の組み合わせにより、ID スイッチの数が約 19\% 減少し、mMOTA が 2 ~ 3% 改善されることが示されています。
ソース コードは https://github.com/TRAILab/UncertaintyTrack で入手できます。

要約(オリジナル)

Multi-object tracking (MOT) methods have seen a significant boost in performance recently, due to strong interest from the research community and steadily improving object detection methods. The majority of tracking methods follow the tracking-by-detection (TBD) paradigm, blindly trust the incoming detections with no sense of their associated localization uncertainty. This lack of uncertainty awareness poses a problem in safety-critical tasks such as autonomous driving where passengers could be put at risk due to erroneous detections that have propagated to downstream tasks, including MOT. While there are existing works in probabilistic object detection that predict the localization uncertainty around the boxes, no work in 2D MOT for autonomous driving has studied whether these estimates are meaningful enough to be leveraged effectively in object tracking. We introduce UncertaintyTrack, a collection of extensions that can be applied to multiple TBD trackers to account for localization uncertainty estimates from probabilistic object detectors. Experiments on the Berkeley Deep Drive MOT dataset show that the combination of our method and informative uncertainty estimates reduces the number of ID switches by around 19\% and improves mMOTA by 2-3%. The source code is available at https://github.com/TRAILab/UncertaintyTrack

arxiv情報

著者 Chang Won Lee,Steven L. Waslander
発行日 2024-04-29 20:35:09+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.RO パーマリンク