論文の概要: RAMCT: Novel Region-adaptive Multi-channel Tracker with Iterative Tikhonov Regularization for Thermal Infrared Tracking
- arxiv url: http://arxiv.org/abs/2504.14278v1
- Date: Sat, 19 Apr 2025 12:18:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-30 03:38:56.717861
- Title: RAMCT: Novel Region-adaptive Multi-channel Tracker with Iterative Tikhonov Regularization for Thermal Infrared Tracking
- Title（参考訳）: RAMCT:熱赤外トラッキングのための反復チコノフ正則化を用いた新しい領域適応型マルチチャネルトラッカー
- Authors: Shang Zhang, Yuke Hou, Guoqiang Gong, Ruoyan Xiong, Yue Zhang,
- Abstract要約: 本稿では,領域適応型スパース相関フィルタトラッカーであるRAMCTを提案する。
マルチチャネル機能オプティマイゼーションと適応正規化戦略を統合している。
精度とロバスト性という点で他の最先端トラッカーよりも優れています。
- 参考スコア（独自算出の注目度）: 10.58716694795395
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Correlation filter (CF)-based trackers have gained significant attention for their computational efficiency in thermal infrared (TIR) target tracking. However, ex-isting methods struggle with challenges such as low-resolution imagery, occlu-sion, background clutter, and target deformation, which severely impact tracking performance. To overcome these limitations, we propose RAMCT, a region-adaptive sparse correlation filter tracker that integrates multi-channel feature opti-mization with an adaptive regularization strategy. Firstly, we refine the CF learn-ing process by introducing a spatially adaptive binary mask, which enforces spar-sity in the target region while dynamically suppressing background interference. Secondly, we introduce generalized singular value decomposition (GSVD) and propose a novel GSVD-based region-adaptive iterative Tikhonov regularization method. This enables flexible and robust optimization across multiple feature channels, improving resilience to occlusion and background variations. Thirdly, we propose an online optimization strategy with dynamic discrepancy-based pa-rameter adjustment. This mechanism facilitates real time adaptation to target and background variations, thereby improving tracking accuracy and robustness. Ex-tensive experiments on LSOTB-TIR, PTB-TIR, VOT-TIR2015, and VOT-TIR2017 benchmarks demonstrate that RAMCT outperforms other state-of-the-art trackers in terms of accuracy and robustness.
- Abstract（参考訳）: 相関フィルタ(CF)ベースのトラッカーは熱赤外(TIR)ターゲットトラッキングにおける計算効率に大きな注目を集めている。
しかし、既存の手法では、低解像度画像、オクルージョン、バックグラウンドクラッタ、ターゲット変形などの課題に苦慮し、トラッキング性能に大きな影響を及ぼす。
これらの制限を克服するために,多チャンネル機能オプティマイゼーションと適応正規化戦略を統合した領域適応型スパース相関フィルタトラッカーであるRAMCTを提案する。
まず,背景干渉を動的に抑制しつつ,対象領域のスパーシティを強制する空間適応二元マスクを導入することにより,CF学習プロセスを洗練する。
次に、一般化特異値分解(GSVD)を導入し、新しいGSVDに基づく領域適応型反復的チホノフ正規化法を提案する。
これにより、複数の機能チャネルをまたいだフレキシブルで堅牢な最適化が可能になり、オクルージョンとバックグラウンドのバリエーションに対するレジリエンスが改善される。
第3に、動的離散性に基づくpa-rameter 調整によるオンライン最適化手法を提案する。
この機構は、目標と背景の変化へのリアルタイム適応を促進し、トラッキング精度とロバスト性を改善する。
LSOTB-TIR, PTB-TIR, VOT-TIR2015, VOT-TIR2017ベンチマークに関する大規模な実験は、RAMCTが精度と堅牢性の観点から他の最先端トラッカーよりも優れていることを示した。
関連論文リスト
- SMTT: Novel Structured Multi-task Tracking with Graph-Regularized Sparse Representation for Robust Thermal Infrared Target Tracking [8.52497147463548]
熱赤外目標追跡は、監視、自律運転、軍事作戦などの応用において重要である。
本稿では,熱赤外画像における共通課題を効果的に解決する新しいトラッカーSMTTを提案する。
論文 参考訳（メタデータ） (2025-04-20T10:56:15Z) - STARS: Sparse Learning Correlation Filter with Spatio-temporal Regularization and Super-resolution Reconstruction for Thermal Infrared Target Tracking [8.52497147463548]
時間画像の低解像度化と追跡干渉、TIRトラッカーの時間長制限。
超解像再構成を取り入れたスパース学習型トラッカーを提案する。
我々の知る限りでは、STARSはスパースラーニングベースのフレームワークに、初めて超解像法を統合する。
論文 参考訳（メタデータ） (2025-04-20T04:49:52Z) - Optimal Transport Adapter Tuning for Bridging Modality Gaps in Few-Shot Remote Sensing Scene Classification [80.83325513157637]
Few-Shot Remote Sensing Scene Classification (FS-RSSC)は,限られたラベル付きサンプルを用いたリモートセンシング画像の分類の課題を示す。
理想的なプラトン表現空間を構築することを目的とした,OTAT(Optimal Transport Adapter Tuning)フレームワークを提案する。
論文 参考訳（メタデータ） (2025-03-19T07:04:24Z) - Neural Spatial-Temporal Tensor Representation for Infrared Small Target Detection [3.7038542578642724]
赤外線小ターゲット検出のためのニューラル表現時空間モデル(NeurSTT)を提案する。
NeurSTTは、背景近似における空間的時間的相関を強化し、教師なしの方法でターゲット検出をサポートする。
様々なデータセットの視覚的および数値的な結果から,提案手法は256倍256$のシーケンスで最適以下の手法より優れていることが示された。
論文 参考訳（メタデータ） (2024-12-23T05:46:08Z) - ResFlow: Fine-tuning Residual Optical Flow for Event-based High Temporal Resolution Motion Estimation [50.80115710105251]
イベントカメラは、高時間分解能(HTR)モーション推定に重要な可能性を秘めている。
イベントデータを用いてHTR光流を推定するための残差に基づくパラダイムを提案する。
論文 参考訳（メタデータ） (2024-12-12T09:35:47Z) - SLAIM: Robust Dense Neural SLAM for Online Tracking and Mapping [15.63276368052395]
ニューラルラジアンスフィールドSLAM(NeRF-SLAM)に適した,新しい粗い粒度追跡モデルを提案する。
既存の NeRF-SLAM システムは、従来の SLAM アルゴリズムに比べて、追跡性能が劣っている。
局所バンドル調整とグローバルバンドル調整の両方を実装し、ロバストな(粗大な)(KL正規化器)と正確な(KL正規化器)SLAMソリューションを生成する。
論文 参考訳（メタデータ） (2024-04-17T14:23:28Z) - Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。
EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。
得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
論文 参考訳（メタデータ） (2023-12-10T15:22:30Z) - Unified Single-Stage Transformer Network for Efficient RGB-T Tracking [47.88113335927079]
我々は、上記3つのステージを単一のViT(Vision Transformer)バックボーンに統合するシングルステージのRGB-Tトラッキングネットワーク、すなわちUSTrackを提案する。
この構造により、ネットワークは、モダリティの相互相互作用の下でテンプレートと検索領域の融合特徴を抽出することができる。
3つのRGB-T追跡ベンチマーク実験により,提案手法は高速な推論速度84.2FPSを維持しつつ,新しい最先端性能を実現することを示す。
論文 参考訳（メタデータ） (2023-08-26T05:09:57Z) - Learning Regions of Interest for Bayesian Optimization with Adaptive
Level-Set Estimation [84.0621253654014]
本稿では,高信頼領域を適応的にフィルタするBALLETというフレームワークを提案する。
理論的には、BALLETは探索空間を効率的に縮小することができ、標準BOよりも厳密な後悔を示すことができる。
論文 参考訳（メタデータ） (2023-07-25T09:45:47Z) - SRRT: Exploring Search Region Regulation for Visual Object Tracking [58.68120400180216]
探索領域規則追跡(SRRT)と呼ばれる新しい追跡パラダイムを提案する。
SRRTでは,各フレームに対して最適な探索領域を動的に推定するために,提案された探索領域レギュレータを適用している。
大規模なLaSOTベンチマークでは、SRRTはSiamRPN++とTransTをAUCの4.6%と3.1%で改善した。
論文 参考訳（メタデータ） (2022-07-10T11:18:26Z) - Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
視覚SLAMシステムのための新しい最適化バックボーンを提案する。
従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。
我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
論文 参考訳（メタデータ） (2020-11-02T18:02:26Z) - Optimization-driven Deep Reinforcement Learning for Robust Beamforming
in IRS-assisted Wireless Communications [54.610318402371185]
Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。
我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。
過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
論文 参考訳（メタデータ） (2020-05-25T01:42:55Z)
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。