時間経過に伴う3Dガウス分布予測によるトラッキング

本論文は、ビデオ表現学習のための新しい自己教師ありアプローチ、Video-GMAEを提案しています。その核心は、ビデオを時間経過とともに移動する3Dガウススプラットのセットとして表現することです。この帰納的バイアスにより、モデルは意味のある表現を学習し、印象的なゼロショットトラッキング性能を達成できます。KineticsおよびKubricデータセットにおける大幅な性能向上は、提案手法の有効性を強調しています。

• •ビデオ表現学習のための自己教師ありアプローチ、Video-GMAEを提案。
• •ビデオを移動する3Dガウススプラットとして表現。
• •強力なゼロショットトラッキング性能を達成。
• •KineticsおよびKubricデータセットで大幅な性能向上。
• •プロジェクトページとコードが公開されています。