論文の概要: SMTT: Novel Structured Multi-task Tracking with Graph-Regularized Sparse Representation for Robust Thermal Infrared Target Tracking
- arxiv url: http://arxiv.org/abs/2504.14566v1
- Date: Sun, 20 Apr 2025 10:56:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-29 23:45:25.461694
- Title: SMTT: Novel Structured Multi-task Tracking with Graph-Regularized Sparse Representation for Robust Thermal Infrared Target Tracking
- Title（参考訳）: SMTT:ロバスト熱赤外トラッキングのためのグラフ正規化スパース表現を用いた新しい構造化マルチタスクトラッキング
- Authors: Shang Zhang, HuiPan Guan, XiaoBo Ding, Ruoyan Xiong, Yue Zhang,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 8.52497147463548
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Thermal infrared target tracking is crucial in applications such as surveillance, autonomous driving, and military operations. In this paper, we propose a novel tracker, SMTT, which effectively addresses common challenges in thermal infrared imagery, such as noise, occlusion, and rapid target motion, by leveraging multi-task learning, joint sparse representation, and adaptive graph regularization. By reformulating the tracking task as a multi-task learning problem, the SMTT tracker independently optimizes the representation of each particle while dynamically capturing spatial and feature-level similarities using a weighted mixed-norm regularization strategy. To ensure real-time performance, we incorporate the Accelerated Proximal Gradient method for efficient optimization. Extensive experiments on benchmark datasets - including VOT-TIR, PTB-TIR, and LSOTB-TIR - demonstrate that SMTT achieves superior accuracy, robustness, and computational efficiency. These results highlight SMTT as a reliable and high-performance solution for thermal infrared target tracking in complex environments.
- Abstract（参考訳）: 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,マルチタスク学習,共同スパース表現,適応グラフ正規化を活用することで,雑音や閉塞,高速目標運動などの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。
追跡タスクをマルチタスク学習問題として再構成することにより、SMTTトラッカーは、重み付き混合ノルム正規化戦略を用いて、空間的および特徴レベルの類似性を動的に捉えながら、各粒子の表現を独立に最適化する。
リアルタイム性能を確保するため,効率的な最適化のためにAccelerated Proximal Gradient法を組み込んだ。
VOT-TIR, PTB-TIR, LSOTB-TIRなどのベンチマークデータセットに関する大規模な実験は、SMTTがより優れた精度、堅牢性、計算効率を達成することを示した。
これらの結果から,SMTTは複雑な環境下での熱赤外目標追跡のための信頼性の高い高性能なソリューションであることがわかった。
関連論文リスト
- 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) - FGSGT: Saliency-Guided Siamese Network Tracker Based on Key Fine-Grained Feature Information for Thermal Infrared Target Tracking [11.599952876425736]
そこで本稿では, キーきめ細かい特徴量に基づく新しいサリエンシ誘導型シームズネットワークトラッカーを提案する。
この設計は、浅い層から重要なグローバルな特徴を捉え、特徴の多様性を高め、きめ細かいインフォームの損失を最小限にする。
実験の結果,提案したトラッカーが最も精度が高く,成功率も高いことがわかった。
論文 参考訳（メタデータ） (2025-04-19T14:13:15Z) - RAMCT: Novel Region-adaptive Multi-channel Tracker with Iterative Tikhonov Regularization for Thermal Infrared Tracking [10.58716694795395]
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。
論文 参考訳（メタデータ） (2025-04-19T12:18:36Z) - 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) - Coordinate-Aware Thermal Infrared Tracking Via Natural Language Modeling [16.873697155916997]
NLMTrackは、座標対応の熱赤外追跡モデルである。
NLMTrackは、特徴抽出と特徴融合を統一するエンコーダを適用している。
実験により、NLMTrackは複数のベンチマークで最先端のパフォーマンスを達成することが示された。
論文 参考訳（メタデータ） (2024-07-11T08:06:31Z) - Exploring Dynamic Transformer for Efficient Object Tracking [58.120191254379854]
効率的なトラッキングのための動的トランスフォーマーフレームワークであるDyTrackを提案する。
DyTrackは、様々な入力に対して適切な推論ルートを設定することを学習し、利用可能な計算予算をより活用する。
複数のベンチマークの実験では、DyTrackは単一のモデルで有望な速度精度のトレードオフを実現している。
論文 参考訳（メタデータ） (2024-03-26T12:31:58Z) - PNAS-MOT: Multi-Modal Object Tracking with Pareto Neural Architecture Search [64.28335667655129]
複数の物体追跡は、自律運転において重要な課題である。
トラッキングの精度が向上するにつれて、ニューラルネットワークはますます複雑になり、レイテンシが高いため、実際の運転シナリオにおける実践的な応用に課題が生じる。
本稿では,ニューラル・アーキテクチャ・サーチ(NAS)手法を用いて追跡のための効率的なアーキテクチャを探索し,比較的高い精度を維持しつつ,低リアルタイム遅延を実現することを目的とした。
論文 参考訳（メタデータ） (2024-03-23T04:18:49Z) - 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) - Visible-Thermal UAV Tracking: A Large-Scale Benchmark and New Baseline [80.13652104204691]
本稿では,可視熱UAV追跡(VTUAV)のための高多様性の大規模ベンチマークを構築する。
本稿では, フレームレベルの属性を, チャレンジ固有のトラッカーの可能性を利用するための粗粒度属性アノテーションを提案する。
さらに,様々なレベルでRGB-Tデータを融合するHMFT(Hierarchical Multi-modal Fusion Tracker)という新しいRGB-Tベースラインを設計する。
論文 参考訳（メタデータ） (2022-04-08T15:22:33Z) - MFGNet: Dynamic Modality-Aware Filter Generation for RGB-T Tracking [72.65494220685525]
可視データと熱データ間のメッセージ通信を促進するために,新しい動的モダリティ対応フィルタ生成モジュール(MFGNet)を提案する。
我々は、2つの独立ネットワークを持つ動的モダリティ対応フィルタを生成し、その可視フィルタとサーマルフィルタをそれぞれ、対応する入力特徴写像上で動的畳み込み演算を行う。
重閉塞,高速移動,外見による問題に対処するため,新たな方向認識型目標誘導型アテンション機構を活用することで,共同で局所的・グローバル検索を行うことを提案する。
論文 参考訳（メタデータ） (2021-07-22T03:10:51Z)
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。