Eden izmed večjih problemov področja računalniškega vida predstavlja vizualno sledenje objektom. Še posebej zahtevno je sledenje prosojnim objektom (npr. steklenim kozarcem), saj imajo odsev in se njihov izgled spreminja glede na ozadje. S tem izzivom so se soočili raziskovalci doc. dr. Alan Lukežič, mag. Žiga Trojer, prof. dr. Matej Kristan in prof. ing. Jiří Matas, Ph.D. (ČVUT) v članku A New Dataset and a Distractor-Aware Architecture for Transparent Object Tracking, objavljenem v reviji International Journal of Computer Vision.

V članku sta predlagana dva prispevka. Prvi prispevek je nova učna podatkovna zbirka Trans2k, ki je bila ustvarjena z modernimi postopki 3D upodabljanja. Zbirko odlikuje vizualna raznovrstnost, velikost in avtomatska anotacija učnih primerov. V članku so avtorji empirično pokazali, da učenje na Trans2k izboljša delovanje vseh sodobnih sledilnikov.

Kljub temu vsi sledilniki odpovedujejo, kadar je v sceni prisotnih več prosojnih objektov, saj so si ti v praktičnih situacijah, na primer kuhinjska miza s kozarci, pogosto vizualno podobni. Zato so avtorji kot drugi prispevek predlagali nov sledilnik, ki eksplicitno naslavlja problem podobnih objektov v sceni in je sposoben učenja minimalnih razlik med objekti.

Podatkovna zbirka in novi sledilnik imata velik potencial v industrijski kontroli kakovosti steklenih objektov, hišnih robotih in hišnih ambientalnih inteligentnih sistemih. Prepoznavnost potenciala pa se odraža v nagradi za najboljši članek, ki jo je preliminarna verzija objave prejela na konferenci BMVC 2022 in izjemnem odzivu na objavo na LinkedInu.

Primeri sledenja prosojnih objektov z različnimi sledilniki.

Članek lahko v celoti preberete na povezavi:

• International Journal of Computer Vison: A New Dataset and a Distractor-Aware Architecture for Transparent Object Tracking (16. februar 2024)