Object Tracking by Reconstruction with View-Specific Discriminative Correlation Filters

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F19%3A00337158" target="_blank" >RIV/68407700:21230/19:00337158 - isvavai.cz</a>

Výsledek na webu

<a href="https://ieeexplore.ieee.org/document/8953557/keywords#keywords" target="_blank" >https://ieeexplore.ieee.org/document/8953557/keywords#keywords</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/CVPR.2019.00143" target="_blank" >10.1109/CVPR.2019.00143</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Object Tracking by Reconstruction with View-Specific Discriminative Correlation Filters

Popis výsledku v původním jazyce

Standard RGB-D trackers treat the target as a 2D structure, which makes modelling appearance changes related even to out-of-plane rotation challenging. This limitation is addressed by the proposed long-term RGB-D tracker called OTR – Object Tracking by Reconstruction. OTR performs online 3D target reconstruction to facilitate robust learning of a set of view-specific discriminative correlation filters (DCFs). The 3D reconstruction supports two performance- enhancing features: (i) generation of an accurate spatial support for constrained DCF learning from its 2D projection and (ii) point-cloud based estimation of 3D pose change for selection and storage of view-specific DCFs which robustly localize the target after out-of-view rotation or heavy occlusion. Extensive evaluation on the Princeton RGB-D tracking and STC Benchmarks shows OTR outperforms the state-of-the-art by a large margin.

Název v anglickém jazyce

Object Tracking by Reconstruction with View-Specific Discriminative Correlation Filters

Popis výsledku anglicky

Standard RGB-D trackers treat the target as a 2D structure, which makes modelling appearance changes related even to out-of-plane rotation challenging. This limitation is addressed by the proposed long-term RGB-D tracker called OTR – Object Tracking by Reconstruction. OTR performs online 3D target reconstruction to facilitate robust learning of a set of view-specific discriminative correlation filters (DCFs). The 3D reconstruction supports two performance- enhancing features: (i) generation of an accurate spatial support for constrained DCF learning from its 2D projection and (ii) point-cloud based estimation of 3D pose change for selection and storage of view-specific DCFs which robustly localize the target after out-of-view rotation or heavy occlusion. Extensive evaluation on the Princeton RGB-D tracking and STC Benchmarks shows OTR outperforms the state-of-the-art by a large margin.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2019

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

CVPR 2019: Proceedings of the 2019 IEEE Conference on Computer Vision and Pattern Recognition

ISBN

978-1-7281-3293-8

ISSN

1063-6919

e-ISSN

2575-7075

Počet stran výsledku

10

Strana od-do

1339-1348

Název nakladatele

IEEE

Místo vydání

—

Místo konání akce

Long Beach

Datum konání akce

15. 6. 2019

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—