A general approach for token correspondence

Sethi, Ishwar K.; Patel, Nilesh; Yoo, Jae Hung

doi:10.1016/0031-3203(94)90093-0

Cited by 11 publications

(4 citation statements)

References 20 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Pixel‐based tracking methods have the disadvantage that they require small time steps for accurate matching. Feature‐based tracking methods are further classified into ones that rely on region correspondence [SW96] [KS91] [YLC13], or attribute correspondence [SPY94] [SSZC94] [RPS01]. Feature‐based methods require less computation than their pixel‐based counterparts.…”

Section: Background and Related Workmentioning

confidence: 99%

Interactive Fusion and Tracking For Multi‐Modal Spatial Data Visualization

Gračanin

Gad

Elmongui

et al. 2015

Computer Graphics Forum

View full text Add to dashboard Cite

Scientific data acquired through sensors which monitor natural phenomena, as well as simulation data that imitate time-identified events, have fueled the need for interactive techniques to successfully analyze and understand trends and patterns across space and time. We present a novel interactive visualization technique that fuses ground truth measurements with simulation results in real-time to support the continuous tracking and analysis of spatiotemporal patterns. We start by constructing a reference model which densely represents the expected temporal behavior, and then use GPU parallelism to advect measurements on the model and track their location at any given point in time. Our results show that users can interactively fill the spatio-temporal gaps in real world observations, and generate animations that accurately describe physical phenomena.

show abstract

Section: Background and Related Workmentioning

confidence: 99%

Interactive Fusion and Tracking For Multi‐Modal Spatial Data Visualization

Gračanin

Gad

Elmongui

et al. 2015

Computer Graphics Forum

View full text Add to dashboard Cite

show abstract

“…For each feature a number of attributes, like position and size, are determined, then matched. Examples are the tracking of markers [16] by using path coherence and smoothness of motion, and the tracking of feature evolution [15] where certain events are detected. Obviously, for our tracking purposes, we use the mechanism of attribute correspondence.…”

Section: Related Workmentioning

confidence: 99%

“…Later, we discuss the two examples given in more detail. Sethi et al [16] solve the correspondence problem by establishing trajectories in the property space (i.e., attribute space). The total property coherence for all the trajectories is maximized by two algorithms based on greedy exchange and simulated annealing.…”

Section: Related Workmentioning

confidence: 99%

Visualization of time-dependent data with feature tracking and event detection

Reinders

Post

Spoelder³

2001

Visual Comp

View full text Add to dashboard Cite

This paper presents an innovative method to analyze and visualize time-dependent evolution of features. The analysis and visualization of time-dependent data are complicated because of the immense number of data involved. However, if the scientist's main interest is the evolution of certain features, it suffices to show the evolution of these features. The task of the visualization method is to extract the features from all frames, to determine the correspondences between features in successive frames, to detect significant events or stages in the evolution of the features, and, finally, to visualize the results. The method described here performs all these steps, and it is applied to a number of applications.

show abstract

“…Υπό το πλαίσιο της παρούσας εργασίας, ιχνηλάτηση στόχων (target tracking) ορίζεται ως «η αυτόματη ταυτοποίηση ενός ή περισσοτέρων ακουστικών στόχων στη διαδοχή των πολυκωνικών ηχογραμμάτων, και η εκτίμηση της κίνησής τους»• οι «στόχοι» είναι συσσωματώσεις ακουστικών δειγμάτων με τιμή ανάκλασης άνω ενός προκαθορισμένου κατωφλίου. Στη γενική της μορφή, η ιχνηλάτηση κινούμενων αντικειμένων προσεγγίζεται είτε (α): μέσω μοντέλων βαθμωτών μεταβολών (gradient models) και οπτικής ροής (optical flow, Horn & Schunck, 1981;Brockett, 1990), είτε (β): μέσω της ταυτοποίησης διακριτών περιοχών (region matching, ή αλλιώς feature tracking) με αντιστοίχηση δεικτών κίνησης (motion tokens, Ullman, 1979;Deriche & Faugeras, 1990;Sethi et al, 1994). Στην κατηγορία της οπτικής ροής ανήκει μία τάξη διαφορικών μεθόδων εκτίμησης της κίνησης κάθε εικονοστοιχείου (pixel) της εικόνας (Barron et al, 1994), με πλεονεκτήματα το «πυκνό» πεδίο κίνησης που παράγεται, και την ισχυρή ικανότητα διάκρισης μεταξύ κινούμενων και ακίνητων αντικειμένων, σε τρεις διαστάσεις.…”

Section: ο αλγόριθμος ιχνηλάτησης σμηνώνunclassified

Ανάπτυξη Συστήματος Παρακολούθησης Και Ακουστικής Εκτίμησης Πελαγικών Σμηνών Με Χρήση Πολυκωνικών Ηχοβολιστικών

Τρυγόνης¹

View full text Add to dashboard Cite

Εργαστήριο Αλιευτικής Διαχείρισης και Υδροακουστικής Τεχνολογίας Πρόλογος Η εργασία ασχολείται με την ανάπτυξη υδροακουστικής μεθοδολογίας πολυκατευθυντικών sonar, και την επιχειρησιακή εφαρμογή της στην επιτόπια μελέτη της συμπεριφοράς των σμηνών τόννου στον ανοιχτό ωκεανό. Λόγω αντικειμενικών δυσκολιών, η προσπάθεια έπρεπε να ξεκινήσει πρακτικά από μηδενική βάση, και κοιτώντας τώρα προς τα πίσω, αντιμετωπίζω ανάμικτα συναισθήματα απέναντι στις δεκάδες χιλιάδες γραμμές κώδικα που πληκτρολογήθηκαν, στις αμέτρητες αναθεωρήσεις των επιμέρους μεθοδολογικών βημάτων, καθώς και στους θεωρητικούς και τεχνικούς προβληματισμούς που αντιμετωπίστηκαν για την υλοποίηση των ερευνητικών στόχων. Σημαντική «άμυνα» έναντι αυτών αποτέλεσε η αντίληψη του ότι πίσω από κάθε αριθμό, ψηφιακό ηχόγραμμα ή στατιστικό γράφημα, κρύβονται ζωντανοί οργανισμοί, και η ίδια η Θάλασσα.Αλλά αυτά έχουν την ευκαιρία να αναπτυχθούν σε όλες τις σελίδες που ακολουθούν, στις οποίες ο αναγνώστης μπορεί να επεξεργαστεί και να αξιολογήσει τις τεχνικές λεπτομέρειες και τα τελικά αποτελέσματα. Η συγκεκριμένη σελίδα έχει ένα δυσκολότερο ρόλο, διότι, αντί για αριθμούς και ηχογράμματα, καλείται να αποτυπώσει το σημαντικότερο παράγοντα πίσω από αυτήν την προσπάθεια, δηλαδή τους ανθρώπους που την υποστήριξαν. Εκφράζω ένα βαθύ ευχαριστώ στο Δάσκαλό μου, και επιβλέποντα καθηγητή της διατριβής, Στράτη Γεωργακαράκο. Ομολογώ ότι ξόδεψα πολύ χρόνο, και χωρίς επιτυχία απ' ό,τι φαίνεται, να γράψω κάτι σε αυτήν τη γραμμή που να μπορεί να εκφράσει την εκτίμηση και τη βαθύτατη προσωπική φιλία μου. Με όλη τη σημασία αυτών των λέξεων, σε ευχαριστώ για την εμπιστοσύνη. Ευχαριστώ επίσης τον Αναπληρωτή Καθηγητή κ. Δρόσο Κουτσούμπα, και τον Επίκουρο Καθηγητή κ. Βασίλη Ζερβάκη, μέλη της τριμελούς συμβουλευτικής επιτροπής. Με τιμά ιδιαίτερα η συμμετοχή των αξιότιμων Καθηγητών κ. Νικήτα Νικητάκο, κ. Μιχαήλ Καρύδη, κ. Αντώνη Βελεγράκη, και κ. Θεοφάνη Καραμπά στην επταμελή επιστημονική επιτροπή που εξέτασε τη διατριβή. Ένα ιδιαίτερο ευχαριστώ απευθύνεται στους καθηγητές κ. Γιώργο Κόκκορη, και κ. Θωμά Χασιώτη, για το ενδιαφέρον τους και τις συζητήσεις σχετικά με την πρόοδο ή βελτίωση αυτής της εργασίας, σε επιστημονικό αλλά και σε προσωπικό επίπεδο.Κατά την εκπόνηση της διατριβής είχα την τιμή να συνεργαστώ με τους

show abstract

A general approach for token correspondence

Cited by 11 publications

References 20 publications

Interactive Fusion and Tracking For Multi‐Modal Spatial Data Visualization

Interactive Fusion and Tracking For Multi‐Modal Spatial Data Visualization

Visualization of time-dependent data with feature tracking and event detection

Ανάπτυξη Συστήματος Παρακολούθησης Και Ακουστικής Εκτίμησης Πελαγικών Σμηνών Με Χρήση Πολυκωνικών Ηχοβολιστικών

Contact Info

Product

Resources

About