MultiViewX
PulseAugur coverage of MultiViewX — every cluster mentioning MultiViewX across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的CAT-Free方法可在无需校准的情况下实现多摄像头行人定位
研究人员开发了一种名为CAT-Free的新方法，用于多摄像头行人定位，该方法无需相机校准、位置标注或目标场景训练。该系统仅以同步RGB视频作为输入，并直接从视频流中估计相机配置。为了解决自动相机估计中潜在的不准确性，CAT-Free采用了自适应几何滤波器来移除不可靠的位置估计。该方法在WildTrack、MultiviewX和GMVD等基准数据集上取得了有竞争力的性能，并展示了在无需重新调整的情况下，对新序列和新安装的强大迁移能力。
-
新的跟踪系统弥合了多视角物体检测中的合成到真实世界的差距 · 跟踪了2个来源
研究人员开发了两个新系统Syn2RealTrack和ModTrack，通过解决合成训练数据与真实世界应用之间的差距来改进多视角多目标跟踪（MV-MOT）。Syn2RealTrack将问题分解为相机标定、物体形状先验和物体计数，每个组件都得到了特定的解决方案。另一方面，ModTrack提供了一种模块化、传感器无关的方法，将感知与跟踪分离，利用具有协方差传播的身份信息过滤。这两个系统都旨在提高不同数据集和传感器模态下的跟踪准确性和泛化能力。
-
ATLASFusion框架提升多视角行人跟踪精度
研究人员开发了ATLASFusion，一个旨在通过解决由特征表示失真引起的不准确性来改进多视角多目标跟踪（MVMOT）的新型框架。该系统采用稀疏透视变换、密度感知加权聚合和每视角BEV监督，以创建更可靠的融合表示。在WildTrack和MultiViewX等基准上的实验显示，跟踪精度和定位精度有了显著提高，优于现有方法，并证明了其对噪声和输入分辨率降低的鲁棒性。