[논문 리뷰] Comparative Study of ECO and CFNet Trackers in Noisy Environment

Mustansar Fiaz, Sajid Javed외 2명|arXiv (Cornell University)|2018. 01. 29.

Video Surveillance and Tracking Methods참고 문헌 14인용 수 3

한 줄 요약

이 논문은 감시와 유사한 조건에서 증가하는 노이즈 수준에 대한 두 가지 최신 시각 추적기인 ECO와 CFNet의 강건성(로버스트니)을 평가한다. 기준 시퀀스에 통제된 노이즈를 주입하여 수행된 연구는 두 추적기가 높은 노이즈에서 상당한 성능 저하를 보임을 입증하며, 이미지 품질이 자주 손상되는 실제 응용 분야에서 노이즈에 강건한 추적 알고리즘의 필수성을 부각시킨다.

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.

연구 동기 및 목표

• ECO와 CFNet 추적기의 노이즈가 있는 시각 환경에서의 강건성 평가
• 증가하는 노이즈 수준이 추적 정확도와 안정성에 미치는 영향 조사
• 현실 세계의 이미지 품질 저하 상황에서 현재의 딥 러닝 기반 추적기의 한계 규명
• 더 노이즈에 강건한 추적 알고리즘 개발의 실증적 근거 제공

제안 방법

• 연구는 표준 추적 벤치마크에서 영상 시퀀스에 합성 노이즈(Gaussian, Poisson, speckle)를 다양한 강도로 주입한다.
• ECO와 CFNet 추적기는 표준 데이터셋에서 표준 추적 메트릭(정밀도 및 성공률)을 사용하여 증가하는 노이즈 수준에서 평가된다.
• 노이즈는 저, 중, 고 수준으로 다중 수준에서 주입되어 실제 감시 카메라의 품질 저하를 시뮬레이션한다.
• 정밀도 플롯과 성공 곡선을 포함한 표준 평가 프로토콜을 사용하여 성능를 정량화한다.
• 노이즈가 추적기 성능에 미치는 영향을 분리하기 위해 통제된 조건에서 실험을 수행한다.

실험 결과

연구 질문

• RQ1 노이즈 강도가 증가할수록 ECO와 CFNet의 추적 정확도에 어떤 영향을 미치는가?
• RQ2 노이즈 조건에서 ECO와 CFNet 중 어느 추적기가 더 높은 강건성을 보이는가?
• RQ3 외상, 변형과 같은 일반적인 시각 추적 과제가 노이즈로 인한 성능 저하와 어떻게 상호작용하는가?
• RQ4 노이즈가 실제 시나리오에서 최신 딥 러닝 기반 추적기의 성능을 상당히 감소시키는가?

주요 결과

• ECO와 CFNet 모두 노이즈 수준이 증가함에 따라 성능 저하가 심각하게 나타나며, 특히 성공률과 정밀도 측면에서 두드러진다.
• 고노이즈 조건에서 저하가 더욱 심각하며, 여러 벤치마크에서 성공률가 상당히 감소한다.
• 저~중간 노이즈 수준에서는 CFNet이 ECO보다 약간 더 높은 성능를 유지하지만, 고노이즈에서는 둘 다 심각한 성능 저하를 겪는다.
• 결과는 현재 최신 추적기가 감시 시스템에서 흔히 볼 수 있는 일반적인 이미지 노이즈에 강건하지 않음을 시사한다.
• 연구는 노이즈가 실제 추적 실패의 핵심 요인임을 확인하며, 일반적인 벤치마크 평가에서 자주 간과되는 요소임을 밝힌다.