Planar Object Tracking via Weighted Optical Flow

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F23%3A00371649" target="_blank" >RIV/68407700:21230/23:00371649 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.1109/WACV56688.2023.00164" target="_blank" >https://doi.org/10.1109/WACV56688.2023.00164</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/WACV56688.2023.00164" target="_blank" >10.1109/WACV56688.2023.00164</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Planar Object Tracking via Weighted Optical Flow

Popis výsledku v původním jazyce

We propose WOFT - a novel method for planar object tracking that estimates a full 8 degrees-of-freedom pose, i.e. the homography w.r.t. a reference view. The method uses a novel module that leverages dense optical flow and assigns a weight to each optical flow correspondence, estimating a homography by weighted least squares in a fully differentiable manner. The trained module assigns zero weights to incorrect correspondences (outliers) in most cases, making the method robust and eliminating the need of the typically used non-differentiable robust estimators like RANSAC. The proposed weighted optical flow tracker (WOFT) achieves state-of-the-art performance on two benchmarks, POT-210 [23] and POIC [7], tracking consistently well across a wide range of scenarios.

Název v anglickém jazyce

Planar Object Tracking via Weighted Optical Flow

Popis výsledku anglicky

We propose WOFT - a novel method for planar object tracking that estimates a full 8 degrees-of-freedom pose, i.e. the homography w.r.t. a reference view. The method uses a novel module that leverages dense optical flow and assigns a weight to each optical flow correspondence, estimating a homography by weighted least squares in a fully differentiable manner. The trained module assigns zero weights to incorrect correspondences (outliers) in most cases, making the method robust and eliminating the need of the typically used non-differentiable robust estimators like RANSAC. The proposed weighted optical flow tracker (WOFT) achieves state-of-the-art performance on two benchmarks, POT-210 [23] and POIC [7], tracking consistently well across a wide range of scenarios.

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

<a href="/cs/project/EF16_019%2F0000765" target="_blank" >EF16_019/0000765: Výzkumné centrum informatiky</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2023

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proc. of the 2023 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV)

ISBN

978-1-6654-9346-8

ISSN

2472-6737

e-ISSN

2642-9381

Počet stran výsledku

10

Strana od-do

1593-1602

Název nakladatele

IEEE

Místo vydání

Piscataway

Místo konání akce

Waikoloa

Datum konání akce

3. 1. 2023

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000971500201067