Planar Object Tracking via Weighted Optical Flow
Identifikátory výsledku
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>
Alternativní jazyky
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.
Klasifikace
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)
Návaznosti výsledku
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
Ostatní
Rok uplatnění
2023
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
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