論文の概要: MambaMOT: State-Space Model as Motion Predictor for Multi-Object Tracking

• arxiv url: http://arxiv.org/abs/2403.10826v2
• Date: Tue, 21 Jan 2025 01:28:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:16:46.381942
• Title: MambaMOT: State-Space Model as Motion Predictor for Multi-Object Tracking
• Title（参考訳）: MambaMOT:マルチオブジェクト追跡のための動作予測器としての状態空間モデル
• Authors: Hsiang-Wei Huang, Cheng-Yen Yang, Wenhao Chai, Zhongyu Jiang, Jenq-Neng Hwang,
• Abstract要約: 本稿では,カルマンフィルタを学習に基づく運動モデルに置き換える可能性について検討する。 MambaMOTとMambaMOT+は、DanceTrackやSportsMOTといったMOTデータセットに挑戦する高度なパフォーマンスを示している。
• 参考スコア（独自算出の注目度）: 23.547018300192065
• License:
• Abstract: In the field of multi-object tracking (MOT), traditional methods often rely on the Kalman filter for motion prediction, leveraging its strengths in linear motion scenarios. However, the inherent limitations of these methods become evident when confronted with complex, nonlinear motions and occlusions prevalent in dynamic environments like sports and dance. This paper explores the possibilities of replacing the Kalman filter with a learning-based motion model that effectively enhances tracking accuracy and adaptability beyond the constraints of Kalman filter-based tracker. In this paper, our proposed method MambaMOT and MambaMOT+, demonstrate advanced performance on challenging MOT datasets such as DanceTrack and SportsMOT, showcasing their ability to handle intricate, non-linear motion patterns and frequent occlusions more effectively than traditional methods.
• Abstract（参考訳）: 多目的追跡(MOT)の分野では、従来の手法は運動予測にカルマンフィルタを頼り、その強みを線形運動のシナリオで活用することが多い。 しかし、これらの手法の本質的な限界は、複雑な非線形運動や、スポーツやダンスのような動的環境によく見られる閉塞に直面したときに明らかになる。 本稿では,Kalmanフィルタを学習ベースモーションモデルに置き換えることで,Kalmanフィルタに基づくトラッカーの制約を超えて,トラッキング精度と適応性を効果的に向上する可能性について検討する。 本稿では,DanceTrackやSportsMOTなどのMOTデータセットに対して,従来の手法よりも複雑で非線形な動作パターンや頻繁なオクルージョンを効果的に扱えることを示す手法であるMambaMOTとMambaMOT+を提案する。

関連論文リスト

• Monte Carlo Tree Search with Velocity Obstacles for safe and efficient motion planning in dynamic environments [49.30744329170107]
  本稿では,動的障害物に関する情報を最小限に抑えた最適オンライン動作計画手法を提案する。 提案手法は,モデルシミュレーションによるオンライン最適計画のためのモンテカルロ木探索 (MCTS) と障害物回避のためのVelocity Obstacles (VO) を組み合わせた。 我々は,非線形モデル予測制御(NMPC)を含む最先端のプランナーに対して,衝突速度,計算,タスク性能の向上の観点から,我々の方法論の優位性を示す。
  論文  参考訳（メタデータ） (2025-01-16T16:45:08Z)
• A Plug-and-Play Physical Motion Restoration Approach for In-the-Wild High-Difficulty Motions [56.709280823844374]
  動作コンテキストとビデオマスクを利用して、欠陥のある動作を修復するマスクベースの動作補正モジュール(MCM)を導入する。 また,運動模倣のための事前訓練および適応手法を用いた物理ベースの運動伝達モジュール (PTM) を提案する。 本手法は,高速な移動を含む映像モーションキャプチャ結果を物理的に洗練するためのプラグイン・アンド・プレイモジュールとして設計されている。
  論文  参考訳（メタデータ） (2024-12-23T08:26:00Z)
• Mojito: Motion Trajectory and Intensity Control for Video Generation [79.85687620761186]
  本稿では,テキスト・ビデオ生成のための運動軌跡と強度制御の両方を組み込んだ拡散モデルであるMojitoを紹介する。 実験は, 高精度な軌道制御と強度制御を高い計算効率で実現する上で, モジトの有効性を実証する。
  論文  参考訳（メタデータ） (2024-12-12T05:26:43Z)
• 3D Multi-Object Tracking with Semi-Supervised GRU-Kalman Filter [6.13623925528906]
  3D Multi-Object Tracking (MOT)は、自律運転やロボットセンシングのようなインテリジェントなシステムに不可欠である。 本稿では,学習可能なカルマンフィルタを移動モジュールに導入するGRUベースのMOT法を提案する。 このアプローチは、データ駆動学習を通じてオブジェクトの動き特性を学習することができ、手動モデル設計やモデルエラーを回避することができる。
  論文  参考訳（メタデータ） (2024-11-13T08:34:07Z)
• MambaTrack: A Simple Baseline for Multiple Object Tracking with State Space Model [18.607106274732885]
  我々は、MTP(Mamba moTion Predictor)という、マンバをベースとしたモーションモデルを導入する。 MTPは、物体の時空間的位置ダイナミクスを入力として、バイマンバ符号化層を用いて動きパターンをキャプチャし、次の動きを予測する。 提案するトラッカーであるMambaTrackは、DancetrackやSportsMOTなどのベンチマークで高度なパフォーマンスを示す。
  論文  参考訳（メタデータ） (2024-08-17T11:58:47Z)
• ETTrack: Enhanced Temporal Motion Predictor for Multi-Object Tracking [4.250337979548885]
  時間的動き予測器であるETTrackを用いた動きに基づくMOT手法を提案する。 具体的には、動作予測器は、変換器モデルと時間畳み込みネットワーク(TCN)を統合して、短期および長期の動作パターンをキャプチャする。 本研究では,DanceTrackとSportsMOTの最先端トラッカーと比較して,ETTrackの競争性能が向上していることを示す。
  論文  参考訳（メタデータ） (2024-05-24T17:51:33Z)
• Motion-adaptive Separable Collaborative Filters for Blind Motion Deblurring [71.60457491155451]
  様々な動きによって生じる画像のぼかしを除去することは、難しい問題である。 本研究では,動き適応型分離型協調フィルタと呼ばれる実世界のデブロアリングフィルタモデルを提案する。 本手法は,実世界の動きのぼかし除去に有効な解法を提供し,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-04-19T19:44:24Z)
• AM-SORT: Adaptable Motion Predictor with Historical Trajectory Embedding for Multi-Object Tracking [26.585985828583304]
  我々は,非線形不確かさを推定するために適応性のある動き予測器AM-SORTを用いた動きに基づくMOT手法を提案する。 AM-SORTは、カルマンフィルタに取って代わるSORTシリーズトラッカーの新たな拡張である。
  論文  参考訳（メタデータ） (2024-01-25T05:09:30Z)
• DeNoising-MOT: Towards Multiple Object Tracking with Severe Occlusions [52.63323657077447]
  DNMOTは、複数のオブジェクト追跡のためのエンドツーエンドのトレーニング可能なDeNoising Transformerである。 具体的には、トレーニング中にノイズを伴って軌道を拡大し、エンコーダ・デコーダアーキテクチャのデノイング過程をモデルに学習させる。 我々はMOT17,MOT20,DanceTrackのデータセットについて広範な実験を行い,実験結果から,提案手法が従来の最先端手法よりも明確なマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2023-09-09T04:40:01Z)
• MotionTrack: Learning Motion Predictor for Multiple Object Tracking [68.68339102749358]
  本研究では,学習可能なモーション予測器を中心に,新しいモーショントラッカーであるMotionTrackを紹介する。 実験結果から、MotionTrackはDancetrackやSportsMOTといったデータセット上での最先端のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2023-06-05T04:24:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。