Motion Segmentation with Pairwise Matches and Unknown Number of Motions
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21730%2F21%3A00355881" target="_blank" >RIV/68407700:21730/21:00355881 - isvavai.cz</a>
Výsledek na webu
<a href="https://doi.org/10.1109/ICPR48806.2021.9413142" target="_blank" >https://doi.org/10.1109/ICPR48806.2021.9413142</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/ICPR48806.2021.9413142" target="_blank" >10.1109/ICPR48806.2021.9413142</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Motion Segmentation with Pairwise Matches and Unknown Number of Motions
Popis výsledku v původním jazyce
In this paper we address motion segmentation, that is the problem of clustering points in multiple images according to a number of moving objects. Two-frame correspondences are assumed as input without prior knowledge about trajectories. Our method is based on principles from “multi-model fitting” and “permutation synchronization”, and - differently from previous techniques working under the same assumptions - it can handle an unknown number of motions. The proposed approach is validated on standard datasets, showing that it can correctly estimate the number of motions while maintaining comparable or better accuracy than the state of the art.
Název v anglickém jazyce
Motion Segmentation with Pairwise Matches and Unknown Number of Motions
Popis výsledku anglicky
In this paper we address motion segmentation, that is the problem of clustering points in multiple images according to a number of moving objects. Two-frame correspondences are assumed as input without prior knowledge about trajectories. Our method is based on principles from “multi-model fitting” and “permutation synchronization”, and - differently from previous techniques working under the same assumptions - it can handle an unknown number of motions. The proposed approach is validated on standard datasets, showing that it can correctly estimate the number of motions while maintaining comparable or better accuracy than the state of the art.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10102 - Applied mathematics
Návaznosti výsledku
Projekt
<a href="/cs/project/EF15_003%2F0000468" target="_blank" >EF15_003/0000468: Inteligentní strojové vnímání</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2021
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
2020 25th International Conference on Pattern Recognition (ICPR)
ISBN
978-1-7281-8809-6
ISSN
1051-4651
e-ISSN
1051-4651
Počet stran výsledku
8
Strana od-do
2896-2903
Název nakladatele
IEEE Computer Society
Místo vydání
Los Alamitos
Místo konání akce
Milan
Datum konání akce
10. 1. 2021
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000678409203002