Fugu-MT 論文翻訳(概要): FeatureSORT: Essential Features for Effective Tracking

論文の概要: FeatureSORT: Essential Features for Effective Tracking

arxiv url: http://arxiv.org/abs/2407.04249v2
Date: Mon, 01 Sep 2025 02:44:59 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-03 20:08:26.1352
Title: FeatureSORT: Essential Features for Effective Tracking
Title（参考訳）: FeatureSORT: 効果的なトラッキングに不可欠な機能
Authors: Hamidreza Hashempoor, Rosemary Koikara, Yu Dong Hwang,
Abstract要約: FeatureSORTはオンラインのマルチオブジェクトトラッカーで、DeepSORTベースラインを補強し、再設計された検出器と追加の機能キューを備える。修正YOLOXアーキテクチャは、衣服の色、衣服スタイル、動き方向など、複数の外観特性を出力するように拡張されている。テストでは、MOTAはMOT16で79.7点、MOT17で80.6点、MOT20で77.9点、DanceTrackで92.2点である。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: We introduce FeatureSORT, a simple yet effective online multiple object tracker that reinforces the DeepSORT baseline with a redesigned detector and additional feature cues. In contrast to conventional detectors that only provide bounding boxes, our modified YOLOX architecture is extended to output multiple appearance attributes, including clothing color, clothing style, and motion direction, alongside the bounding boxes. These feature cues, together with a ReID network, form complementary embeddings that substantially improve association accuracy. Furthermore, we incorporate stronger post-processing strategies, such as global linking and Gaussian Smoothing Process interpolation, to handle missing associations and detections. During online tracking, we define a measurement-to-track distance function that jointly considers IoU, direction, color, style, and ReID similarity. This design enables FeatureSORT to maintain consistent identities through longer occlusions while reducing identity switches. Extensive experiments on standard MOT benchmarks demonstrate that FeatureSORT achieves state-of-the-art online performance, with MOTA scores of 79.7 on MOT16, 80.6 on MOT17, 77.9 on MOT20, and 92.2 on DanceTrack, underscoring the effectiveness of feature-enriched detection and modular post processing in advancing multi-object tracking.
Abstract（参考訳）: 私たちは、DeepSORTベースラインを強化し、再設計されたディテクターと追加の機能キューで強化する、シンプルで効果的なオンラインマルチオブジェクトトラッカーであるFeatureSORTを紹介します。境界ボックスのみを提供する従来の検出器とは対照的に,我々の改良されたYOLOXアーキテクチャは,衣服の色,衣服スタイル,動き方向など,複数の外観特性を出力するように拡張されている。これらの特徴キューとReIDネットワークは、結合精度を大幅に向上させる補完的な埋め込みを形成する。さらに,グローバルリンクやガウス平滑化プロセスの補間など,より強力な後処理戦略を取り入れて,関連性や検出の欠如に対処する。オンライントラッキングにおいて、IoU、方向、色、スタイル、およびReID類似性を共同で検討する計測からトラックまでの距離関数を定義する。この設計により、FeatureSORTは、アイデンティティスイッチを減らしながら、長いオクルージョンを通じて一貫性のあるIDを維持することができる。標準的なMOTベンチマークによる大規模な実験では、MOTAスコアはMOT16で79.7、MOT17で80.6、MOT20で77.9、DanceTrackで92.2であり、マルチオブジェクト追跡の進歩における機能強化された検出とモジュラーポストプロセッシングの有効性が示されている。

関連論文リスト

CAMELTrack: Context-Aware Multi-cue ExpLoitation for Online Multi-Object Tracking [68.24998698508344]
CAMELはコンテキスト対応型マルチキューExpLoitationのための新しいアソシエイトモジュールである。エンド・ツー・エンドの検知・バイ・トラック方式とは異なり,本手法は軽量かつ高速にトレーニングが可能であり,外部のオフ・ザ・シェルフモデルを活用することができる。提案するオンライントラッキングパイプラインであるCAMELTrackは,複数のトラッキングベンチマークで最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2025-05-02T13:26:23Z)
History-Aware Transformation of ReID Features for Multiple Object Tracking [17.15627396627977]
本稿では,ReID特徴量に対する履歴認識変換を用いて,より識別的な外観表現を実現することを提案する。実験の結果,このトレーニングフリープロジェクションにより,機能のみのトラッカーが大幅に向上し,より優れたトラッカー性能が達成できることがわかった。
論文参考訳（メタデータ） (2025-03-16T16:34:40Z)
Temporal Correlation Meets Embedding: Towards a 2nd Generation of JDE-based Real-Time Multi-Object Tracking [52.04679257903805]
共同検出・埋め込み(JDE)トラッカーは多目的追跡(MOT)タスクにおいて優れた性能を示した。 TCBTrackという名前のトラッカーは、複数の公開ベンチマークで最先端のパフォーマンスを実現しています。
論文参考訳（メタデータ） (2024-07-19T07:48:45Z)
Single-Shot and Multi-Shot Feature Learning for Multi-Object Tracking [55.13878429987136]
そこで本研究では,異なる目標に対して,単発と複数発の特徴を共同で学習するための,シンプルで効果的な2段階特徴学習パラダイムを提案する。提案手法は,DanceTrackデータセットの最先端性能を達成しつつ,MOT17およびMOT20データセットの大幅な改善を実現している。
論文参考訳（メタデータ） (2023-11-17T08:17:49Z)
MotionTrack: Learning Robust Short-term and Long-term Motions for Multi-Object Tracking [56.92165669843006]
本研究では,短時間から長期間の軌跡を関連づける統合フレームワークで,堅牢な短期・長期動作を学習するMotionTrackを提案する。密集した群集に対して,各ターゲットの複雑な動きを推定できる,短時間の軌跡から相互作用認識動作を学習するための新しい対話モジュールを設計する。極端なオクルージョンのために、ターゲットの履歴軌跡から信頼できる長期動作を学習するための新しいRefind Moduleを構築し、中断された軌跡とそれに対応する検出とを関連付けることができる。
論文参考訳（メタデータ） (2023-03-18T12:38:33Z)
MONCE Tracking Metrics: a comprehensive quantitative performance evaluation methodology for object tracking [0.0]
本稿では、目標追跡モデル性能ベンチマークと、追跡モデル開発を駆動するための診断情報の両方を提供するMONCE(Multi-Object Non-Contiguous Entities)イメージトラッキングメトリクスのスイートを提案する。
論文参考訳（メタデータ） (2022-04-11T17:32:03Z)
Correlation-Aware Deep Tracking [83.51092789908677]
本稿では,自己/横断的意図に着想を得た,新たなターゲット依存型特徴ネットワークを提案する。我々のネットワークは機能ネットワークの複数の層にクロスイメージの特徴相関を深く埋め込んでいる。我々のモデルは、豊富な未ペア画像に対して柔軟に事前訓練が可能であり、既存の手法よりも顕著に高速な収束をもたらす。
論文参考訳（メタデータ） (2022-03-03T11:53:54Z)
Learning Dynamic Compact Memory Embedding for Deformable Visual Object Tracking [82.34356879078955]
本稿では,セグメント化に基づく変形可能な視覚追跡手法の識別を強化するために,コンパクトなメモリ埋め込みを提案する。 DAVIS 2017ベンチマークでは,D3SやSiamMaskなどのセグメンテーションベースのトラッカーよりも優れている。
論文参考訳（メタデータ） (2021-11-23T03:07:12Z)
Distractor-Aware Fast Tracking via Dynamic Convolutions and MOT Philosophy [63.91005999481061]
実用的長期トラッカーは、典型的には3つの重要な特性を含む。効率的なモデル設計、効果的なグローバル再検出戦略、堅牢な気晴らし認識メカニズム。動的畳み込み (d-convs) と多重オブジェクト追跡 (MOT) の哲学を用いて, 注意をそらした高速トラッキングを実現するための2タスクトラッキングフレームワーク(DMTrack)を提案する。我々のトラッカーはLaSOT, OxUvA, TLP, VOT2018LT, VOT 2019LTベンチマークの最先端性能を実現し, リアルタイム3倍高速に動作させる。
論文参考訳（メタデータ） (2021-04-25T00:59:53Z)
DEFT: Detection Embeddings for Tracking [3.326320568999945]
我々は,DEFT と呼ばれる効率的な関節検出・追跡モデルを提案する。提案手法は,外見に基づくオブジェクトマッチングネットワークと,下層のオブジェクト検出ネットワークとの協調学習に依存している。 DEFTは2Dオンライントラッキングリーダーボードのトップメソッドに匹敵する精度とスピードを持っている。
論文参考訳（メタデータ） (2021-02-03T20:00:44Z)
Probabilistic 3D Multi-Modal, Multi-Object Tracking for Autonomous Driving [22.693895321632507]
異なる訓練可能なモジュールからなる確率的、マルチモーダル、マルチオブジェクトトラッキングシステムを提案する。本手法はNuScenes Trackingデータセットの現在の状態を上回っていることを示した。
論文参考訳（メタデータ） (2020-12-26T15:00:54Z)

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。