Rete di splatting della densità gaussiana

Abstract degli autori

Questo articolo propone un nuovo approccio al conteggio delle persone nelle folle, il Gaussian Density Splatting Network (GDSNet). A differenza dei metodi che si basano su mappe di densità convenzionali a griglia e sono sensibili alla risoluzione spaziale, GDSNet rappresenta una folla come sovrapposizione di primitive gaussiane bidimensionali continue. Il nostro approccio si fonda su due contributi principali. Il primo è un meccanismo di adattamento basato su punti di controllo, che struttura la previsione dei parametri gaussiani. Abbiamo progettato un metodo per disporre una serie di punti di controllo che definiscono regioni locali, dalle quali vengono aggregate le caratteristiche usate per stimare tramite regressione i parametri di ciascuna primitiva. Il secondo contributo consiste nell’adattare al compito di conteggio un framework di Gaussian Splatting differenziabile, parametrizzando ogni primitiva con parametri geometrici e una massa di densità scalare. Questa formulazione permette di addestrare la rete end-to-end mediante il confronto spaziale di mappe di densità generate in modo differenziabile, fornendo in modo naturale sia una supervisione locale della densità sia un’ottimizzazione del conteggio globale. Valutazioni approfondite su quattro benchmark standard mostrano che GDSNet supera sistematicamente i metodi allo stato dell’arte.