センサネットワーク上でのマルチオブジェクト追跡のための分散期待値伝播
Distributed Expectation Propagation for Multi-Object Tracking over Sensor Networks
複数センサと複数物体の追跡をクラッタ環境で行うため、各センサが局所的に動作しつつモーメント推定を交換する分散期待値伝播アルゴリズムを提案し、Rao-Blackwell化ギブスサンプリングで効率化した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Qing Li, Runze Gan, James R. Hopgood, Michael E. Davies, Simon J. Godsill
分類: eess.SP, cs.RO
原文アブストラクト
In this paper, we present a novel distributed expectation propagation algorithm for multiple sensors, multiple objects tracking in cluttered environments. The proposed framework enables each sensor to operate locally while collaboratively exchanging moment estimates with other sensors, thus eliminating the need to transmit all data to a central processing node. Specifically, we introduce a fast and parallelisable Rao-Blackwellised Gibbs sampling scheme to approximate the tilted distributions, which enhances the accuracy and efficiency of expectation propagation updates. Results demonstrate that the proposed algorithm improves both communication and inference efficiency for multi-object tracking tasks with dynamic sensor connectivity and varying clutter levels.
関連論文
- PS-MOT: 点シードからインスタンス認識を育成するマルチオブジェクト追跡マルチオブジェクト追跡
- S3KF: パノラマ3Dマルチオブジェクト追跡のための球面状態空間カルマンフィルタリングマルチオブジェクト追跡
- OmniTrack++: 大視野軌道フィードバック学習による全方向マルチオブジェクト追跡マルチオブジェクト追跡
- DepTR-MOT: 深度情報を活用した軌道精緻化によるマルチオブジェクト追跡マルチオブジェクト追跡
- 全方位マルチオブジェクト追跡マルチオブジェクト追跡
- HybridTrack: データ駆動型カルマンフィルタによる堅牢なマルチオブジェクト追跡マルチオブジェクト追跡
