論文の概要: Prompt-Driven Temporal Domain Adaptation for Nighttime UAV Tracking
- arxiv url: http://arxiv.org/abs/2409.18533v1
- Date: Fri, 27 Sep 2024 08:12:28 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-06 05:42:34.435708
- Title: Prompt-Driven Temporal Domain Adaptation for Nighttime UAV Tracking
- Title（参考訳）: 夜間UAV追跡のためのプロンプト駆動型時間領域適応
- Authors: Changhong Fu, Yiheng Wang, Liangliang Yao, Guangze Zheng, Haobo Zuo, Jia Pan,
- Abstract要約: 低照度シナリオ下での夜間UAV追跡は、ドメイン適応(DA)によって大きな進歩を遂げた。
従来のDAトレーニングに基づく研究は、UAVトラッカーの時間的文脈の相違を狭めるには不十分である。
本研究は、夜間UAV追跡に挑戦する時間的コンテキストをフル活用するための、プロンプト駆動型時間的ドメイン適応トレーニングフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 21.09039345888337
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nighttime UAV tracking under low-illuminated scenarios has achieved great progress by domain adaptation (DA). However, previous DA training-based works are deficient in narrowing the discrepancy of temporal contexts for UAV trackers. To address the issue, this work proposes a prompt-driven temporal domain adaptation training framework to fully utilize temporal contexts for challenging nighttime UAV tracking, i.e., TDA. Specifically, the proposed framework aligns the distribution of temporal contexts from daytime and nighttime domains by training the temporal feature generator against the discriminator. The temporal-consistent discriminator progressively extracts shared domain-specific features to generate coherent domain discrimination results in the time series. Additionally, to obtain high-quality training samples, a prompt-driven object miner is employed to precisely locate objects in unannotated nighttime videos. Moreover, a new benchmark for long-term nighttime UAV tracking is constructed. Exhaustive evaluations on both public and self-constructed nighttime benchmarks demonstrate the remarkable performance of the tracker trained in TDA framework, i.e., TDA-Track. Real-world tests at nighttime also show its practicality. The code and demo videos are available at https://github.com/vision4robotics/TDA-Track.
- Abstract（参考訳）: 低照度シナリオ下での夜間UAV追跡は、ドメイン適応(DA)によって大きな進歩を遂げた。
しかし、従来のDAトレーニングに基づく研究は、UAVトラッカーの時間的文脈の相違を狭めるには不十分である。
本研究は、夜間UAV追跡(TDA)に挑戦するために、時間的コンテキストを完全に活用するためのプロンプト駆動の時間的ドメイン適応トレーニングフレームワークを提案する。
具体的には、時間的特徴生成器を識別器に対して訓練することにより、昼夜領域から夜間領域までの時間的文脈の分布を整列する。
時間一貫性判別器は、共有ドメイン固有の特徴を段階的に抽出し、時系列におけるコヒーレントドメイン識別結果を生成する。
さらに、高品質なトレーニングサンプルを得るために、無注釈の夜間ビデオ中の物体を正確に見つけるために、プロンプト駆動のオブジェクトマイナーが使用される。
さらに,長期夜間UAV追跡のための新しいベンチマークを構築した。
TDAフレームワークでトレーニングされたトラッカー(TDA-Track)の顕著な性能を示す。
夜間の実際のテストも実用性を示している。
コードとデモビデオはhttps://github.com/vision4robotics/TDA-Track.comで公開されている。
関連論文リスト
- DaDiff: Domain-aware Diffusion Model for Nighttime UAV Tracking [21.255323355862057]
本研究はドメイン認識拡散モデル(DaDiff)という,新しいプログレッシブアライメントパラダイムを提案する。
デイディフは、進行性および安定な世代により、夜間LRオブジェクトを昼間に整列させる。
100個のアノテートシーケンスからなるLRオブジェクトに対して、詳細な夜間UAV追跡ベンチマークを構築する。
論文 参考訳（メタデータ） (2024-10-16T06:14:15Z) - STCMOT: Spatio-Temporal Cohesion Learning for UAV-Based Multiple Object Tracking [13.269416985959404]
無人航空機(UAV)ビデオにおける複数物体追跡(MOT)は、コンピュータビジョンにおける多様な用途において重要である。
時空間結合型多目的追跡フレームワーク(STCMOT)を提案する。
歴史的埋め込み機能を用いて,ReIDの表現と検出機能を逐次的にモデル化する。
我々のフレームワークはMOTAとIDF1メトリクスで新しい最先端のパフォーマンスを設定します。
論文 参考訳（メタデータ） (2024-09-17T14:34:18Z) - 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) - DCPT: Darkness Clue-Prompted Tracking in Nighttime UAVs [53.64523622330297]
既存の夜間無人航空機(UAV)トラッカーは"Enhance-then-Track"アーキテクチャに従っている。
この分離された拡張と追跡は、エンドツーエンドのトレーニング可能な視覚システムを構築するのに失敗する。
本研究では,夜間の強靭なUAV追跡を効率よく学習し,暗黒手がかりを生成できるDarkness Clue-Prompted Tracking (DCPT)を提案する。
論文 参考訳（メタデータ） (2023-09-19T09:59:08Z) - Towards Real-World Visual Tracking with Temporal Contexts [64.7981374129495]
時間的文脈を効率的に活用できる2段階フレームワーク(TCTrack)を提案する。
これに基づいて、現実世界の視覚的トラッキング、すなわちTCTrack++のためのより強力なバージョンを提案する。
特徴抽出のために,空間的特徴を高めるために注意に基づく時間適応的畳み込みを提案する。
類似性マップの改良のために,時間的知識を効率的に符号化する適応型時間的変換器を導入する。
論文 参考訳（メタデータ） (2023-08-20T17:59:40Z) - SAM-DA: UAV Tracks Anything at Night with SAM-Powered Domain Adaptation [21.998189930406014]
ドメイン適応(DA)は、リアルタイム夜間無人航空機(UAV)の追跡に重要な可能性を証明している。
最先端(SOTA)DAは、高品質なターゲットドメイントレーニングサンプルを生成するために、正確なピクセルレベルの位置と境界を持つ潜在的なオブジェクトをいまだに欠いている。
本研究は,リアルタイム夜間UAV追跡のためのSAM-DAフレームワークであるSAM-DAを提案する。
論文 参考訳（メタデータ） (2023-07-03T13:55:44Z) - Tracker Meets Night: A Transformer Enhancer for UAV Tracking [20.74868878876137]
空間チャネルトランスを用いた低照度エンハンサが提案され, 追従手法に先立って接続される。
高レベルタスクを対象としたセマンティックレベルの低照度化を実現するために,新しい空間チャネルアテンションモジュールを提案する。
エンハンスメント工程では、SCTは夜間画像を同時にデノイズし、照明する。
論文 参考訳（メタデータ） (2023-03-20T09:18:52Z) - Tracking Objects and Activities with Attention for Temporal Sentence
Grounding [51.416914256782505]
時間文 (TSG) は、意味的に自然言語のクエリと一致した時間セグメントを、トリミングされていないセグメントでローカライズすることを目的としている。
本稿では,(A)マルチモーダル・検索空間を生成するクロスモーダル・ターゲット・ジェネレータと(B)マルチモーダル・ターゲットの動作を追跡し,クエリ関連セグメントを予測するテンポラル・センセント・トラッカーとを含む,新しいテンポラル・センセント・トラッカー・ネットワーク(TSTNet)を提案する。
論文 参考訳（メタデータ） (2023-02-21T16:42:52Z) - Unsupervised Domain Adaptation for Nighttime Aerial Tracking [27.595253191781904]
本研究は、夜間航空追跡のための新しい教師なしドメイン適応フレームワークを開発する。
ユニークなオブジェクト発見アプローチが提供され、生の夜間追跡ビデオからトレーニングパッチを生成する。
Transformerの昼夜の特徴判別器では、昼夜追跡モデルは夜間追跡のために逆向きに訓練される。
論文 参考訳（メタデータ） (2022-03-20T12:35:09Z) - Continuity-Discrimination Convolutional Neural Network for Visual Object
Tracking [150.51667609413312]
本稿では,視覚オブジェクト追跡のためのContinuity-Discrimination Convolutional Neural Network (CD-CNN) という新しいモデルを提案する。
この問題に対処するため、cd-cnnは時間的遅れの概念に基づいた時間的外観連続性をモデル化する。
不正確なターゲットの定位とドリフトを緩和するために,新しい概念 object-centroid を提案する。
論文 参考訳（メタデータ） (2021-04-18T06:35:03Z) - Robust Object Detection via Instance-Level Temporal Cycle Confusion [89.1027433760578]
物体検出器の分布外一般化を改善するための補助的自己監視タスクの有効性を検討する。
最大エントロピーの原理に触発されて,新しい自己監督タスクであるインスタンスレベル時間サイクル混乱(cycconf)を導入する。
それぞれのオブジェクトに対して、タスクは、ビデオ内の隣接するフレームで最も異なるオブジェクトの提案を見つけ、自己スーパービジョンのために自分自身にサイクルバックすることです。
論文 参考訳（メタデータ） (2021-04-16T21:35:08Z)
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。