複数の視点を用いた外観ベースの物体認識

単一の視点からの物体認識は、利用可能な特徴が単一の物体のアイデンティティを決定するのに十分でない場合、すなわち別の物体との類似性や混雑や遮蔽による特徴の劣化のために失敗します。能動的物体認識システムはこの問題に成功裏に対処してきましたが、調整可能な視点を持つ複雑なシステムを必要とし、それは常に利用可能とは限りません。本論文では、複数の固定カメラから得られた画像に適用される単一視点物体認識システムの結果を組み合わせることで得られる性能向上を調査します。特に、相対カメラ姿勢に関する情報の異なる程度を持つ混雑したシーンでの性能を扱います。私たちは、弱いターゲットエラーと呼ぶ、多くのコンピュータビジョン認識システムに共通する特性が、多視点パフォーマンス向上の2つの興味深い制限の原因であると主張します。それは、単一視点の性能が弱いシステムにおける著しい改善の欠如と、追加の多視点制約が追加されるにつれてパフォーマンス向上が鈍化することです。