新框架实现无标定3D多摄像头人员跟踪

研究人员开发了一种新颖的、面向室内环境的无标定3D多摄像头人员跟踪框架。该系统集成了多个深度学习模型，包括用于检测的YOLOX、用于跟踪的BoT-SORT、用于外观嵌入的OsNet以及用于几何重建的Visual Geometry Grounded Transformer。通过直接从视觉数据推断3D结构并采用姿态引导的3D提升策略，该框架消除了对精确摄像头标定的需求，而这在以往的方法中是一个主要的瓶颈。在AI City Challenge 2024上的评估表明，在没有地面真实标定数据的情况下，该框架取得了具有竞争力的HOTA分数。 AI

影响 这项研究通过消除手动标定的需求，有望简化多摄像头跟踪系统的设置和部署。

排序理由 这是一篇详细介绍计算机视觉新技术的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• AI City Challenge 2024
• BoT-SORT
• Dominique Vaufreydaz
• Mmpose
• OsNet
• Visual Geometry Grounded Transformer
• Yolox Object Detection

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →