[論文レビュー] Comparative Study of ECO and CFNet Trackers in Noisy Environment

Mustansar Fiaz, Sajid Javed+2 more|arXiv (Cornell University)|Jan 29, 2018

Video Surveillance and Tracking Methods参考文献 14被引用数 3

ひとこと要約

この論文は、監視に類似した条件下で、ノイズレベルが上昇する状況における2つの最先端の視覚トラッカー、ECOおよびCFNetのロバスト性を評価している。ベンチマークシーケンスに制御されたノイズを注入することで、両トラッカーがノイズが高くなるにつれて著しく性能を低下させることを実証しており、画像品質がしばしば損なわれる実世界の応用において、ノイズに強いトラッキングアルゴリズムの開発が極めて重要であることが浮き彫りになっている。

ABSTRACT

Object tracking is one of the most challenging task and has secured significant attention of computer vision researchers in the past two decades. Recent deep learning based trackers have shown good performance on various tracking challenges. A tracking method should track objects in sequential frames accurately in challenges such as deformation, low resolution, occlusion, scale and light variations. Most trackers achieve good performance on specific challenges instead of all tracking problems, hence there is a lack of general purpose tracking algorithms that can perform well in all conditions. Moreover, performance of tracking techniques has not been evaluated in noisy environments. Visual object tracking has real world applications and there is good chance that noise may get added during image acquisition in surveillance cameras. We aim to study the robustness of two state of the art trackers in the presence of noise including Efficient Convolutional Operators (ECO) and Correlation Filter Network (CFNet). Our study demonstrates that the performance of these trackers degrades as the noise level increases, which demonstrate the need to design more robust tracking algorithms.

研究の動機と目的

• ECOおよびCFNetトラッカーのノイズのある視覚環境におけるロバスト性を評価すること。
• ノイズレベルの上昇がトラッキング精度および安定性に与える影響を調査すること。
• 現実世界の画像劣化下における、現在のディーブラーニングベースのトラッカーの限界を特定すること。
• よりノイズ耐性の高いトラッキングアルゴリズムの開発のための実証的証拠を提供すること。

提案手法

• 本研究では、標準的なトラッキングベンチマークから得た動画シーケンスに、合成ノイズ（ガウス、ポisson、スぺクル）をさまざまな強度で注入する。
• ECOおよびCFNetトラッカーは、標準的なデータセット上で、標準的なトラッキング指標（精度および成功率）を用いて、ノイズレベルを段階的に増加させた条件下で評価される。
• ノイズを低、中、高の複数のレベルに設定し、監視カメラによる現実の劣化を模擬する。
• 精度のプロットおよび成功率曲線を含む、標準的な評価プロトコルを用いて性能を定量的に評価する。
• ノイズの影響をトラッカー性能に孤立して評価できるよう、制御された条件下で実験が実施される。

実験結果

リサーチクエスチョン

• RQ1 ノイズ強度の上昇は、ECOおよびCFNetのトラッキング精度にどのように影響するか？
• RQ2 ノイズ条件下で、ECOとCFNetのどちらがより高いロバスト性を示すか？
• RQ3 遮蔽や変形といった一般的な視覚トラッキングの課題が、ノイズに起因する性能劣化とどのように相互作用するか？
• RQ4 ノイズは、実世界のシナリオにおける最先端のディーブラーニングベースのトラッカーの性能を顕著に低下させるか？

主な発見

• ECOおよびCFNetの両方とも、ノイズレベルが上昇するにつれて、特に成功率および精度の観点で顕著な性能低下を示している。
• 高ノイズ条件下では劣化が顕著であり、複数のベンチマークで成功率が著しく低下している。
• 低～中ノイズ条件下ではCFNetがECOよりもわずかに優れた性能を示すが、高ノイズ条件下では両者とも著しく劣化する。
• 結果から、現在の最先端のトラッカーは、監視システムで一般的に見られる画像ノイズに対してはロバストでないことが示唆されている。
• 本研究は、ノイズが実世界のトラッキング失敗の重要な要因であることを確認しており、標準的なベンチマーク評価ではしばしば無視されがちな要因である。