PulseAugur
实时 20:34:15
English(EN) Tetris: Tile-level Sampling for Efficient and High-Fidelity Video Object Tracking

Tetris 系统通过基于瓦片的剪枝降低视频跟踪成本

研究人员开发了 Tetris,一种用于高效视频对象跟踪的新系统,可显著降低计算成本。与之前按时间顺序采样帧的方法不同,Tetris 采用基于瓦片的方法来识别和剪枝不相关的视频区域,从而最大限度地减少检测器调用。该方法实现了高保真度,在跟踪准确性方面仅比全帧处理损失 5%,同时提供了显著的吞吐量改进。 AI

影响 降低了视频对象跟踪的计算成本,可能支持更高效的 AI 驱动的视频分析。

排序理由 该集群包含一篇详细介绍视频对象跟踪新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Chanwut Kittivorawong, Alena Chao, Charlie Si, Alvin Cheung ·

    Tetris: Tile-level Sampling for Efficient and High-Fidelity Video Object Tracking

    arXiv:2605.25538v1 Announce Type: new Abstract: Track materialization converts raw video into reusable object tracks that downstream queries can run against without rerunning tracking, but extracting those tracks efficiently and with high fidelity remains expensive. Prior systems…