Tracking

Beschreibung

Tracking ist das Problem, mehrere sich bewegende Objekte über viele Zeitschritte hinweg zu verfolgen. Klassische Anwendungen sind das Tracking von Menschen oder Fahrzeugen in Videos und in der Biologie das Tracken von Zellen in Zeitserien von Mikroskopieaufnahmen. Wir erforschen Formulierungen, die auf die jeweilige Anwendung zugeschnitten sind, deren theoretische Eigenschaften und Algorithmen, die diese Probleme effizient lösen. Eingebettet in neuronale Netzwerke haben wir hochqualitative empirische Ergebnisse erreicht.

Literatur

• "LMGP: Lifted Multicut Meets Geometry Projections for Multi-Camera Multi-Object Tracking", Nguyen, Duy M. H. and Henschel, Roberto and Rosenhahn, Bodo and Sonntag, Daniel and Swoboda, Paul, Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR) 2022 
• "Making Higher Order MOT Scalable: An Efficient Approximate Solver for Lifted Disjoint Paths", Hornakova, Andrea and Kaiser, Timo and Swoboda, Paul and Rolinek, Michal and Rosenhahn, Bodo and Henschel, Roberto, Proceedings of the IEEE International Conference on Computer Vision (ICCV) 2021 
• "Lifted Disjoint Paths with Application in Multiple Object Tracking", Hornakova, Andrea and Henschel, Roberto and Rosenhahn, Bodo and Swoboda, Paul, Proceedings of the International Conference on Machine Learning (ICML) 2020 
• "A Primal-Dual Solver for Large-Scale Tracking-by-Assignment", Haller, Stefan and Prakash, Mangal and Hutschenreiter, Lisa and Pietzsch, Tobias and Rother, Carsten and Jug, Florian and Swoboda, Paul and Savchynskyy, Bogdan, Proceedings of the International Conference on Artificial Intelligence and Statistics (AISTATS) 2020