論文の概要: DARTer: Dynamic Adaptive Representation Tracker for Nighttime UAV Tracking
- arxiv url: http://arxiv.org/abs/2505.00752v1
- Date: Thu, 01 May 2025 05:24:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-05 17:21:19.773054
- Title: DARTer: Dynamic Adaptive Representation Tracker for Nighttime UAV Tracking
- Title（参考訳）: DARTer:夜間UAV追跡のための動的適応表示トラッカー
- Authors: Xuzhao Li, Xuchen Li, Shiyu Hu,
- Abstract要約: 夜間UAV追跡は、過度な照明の変動と視点の変化による重大な課題を呈する。
textbfDARTer(textbfDynamic textbfAdaptive textbfRepresentation textbfTracker)は、夜間UAVシナリオ用に設計されたエンドツーエンド追跡フレームワークである。
- 参考スコア（独自算出の注目度）: 1.515687944002438
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Nighttime UAV tracking presents significant challenges due to extreme illumination variations and viewpoint changes, which severely degrade tracking performance. Existing approaches either rely on light enhancers with high computational costs or introduce redundant domain adaptation mechanisms, failing to fully utilize the dynamic features in varying perspectives. To address these issues, we propose \textbf{DARTer} (\textbf{D}ynamic \textbf{A}daptive \textbf{R}epresentation \textbf{T}racker), an end-to-end tracking framework designed for nighttime UAV scenarios. DARTer leverages a Dynamic Feature Blender (DFB) to effectively fuse multi-perspective nighttime features from static and dynamic templates, enhancing representation robustness. Meanwhile, a Dynamic Feature Activator (DFA) adaptively activates Vision Transformer layers based on extracted features, significantly improving efficiency by reducing redundant computations. Our model eliminates the need for complex multi-task loss functions, enabling a streamlined training process. Extensive experiments on multiple nighttime UAV tracking benchmarks demonstrate the superiority of DARTer over state-of-the-art trackers. These results confirm that DARTer effectively balances tracking accuracy and efficiency, making it a promising solution for real-world nighttime UAV tracking applications.
- Abstract（参考訳）: 夜間UAV追跡は、極端に照度の変化と視点の変化により、追跡性能が著しく低下する重大な課題を呈する。
既存のアプローチは、計算コストの高い光エンハンサーに頼るか、冗長なドメイン適応機構を導入するかのいずれかであり、様々な観点からの動的な特徴を完全に活用できない。
これらの問題に対処するために、夜間UAVシナリオ用に設計されたエンドツーエンド追跡フレームワークである \textbf{D}ynamic \textbf{A}daptive \textbf{R}epresentation \textbf{T}rackerを提案する。
DARTerはDynamic Feature Blender (DFB)を活用して、静的および動的テンプレートから複数のパースペクティブナイトタイム機能を効果的に融合し、表現の堅牢性を高める。
一方、動的特徴活性化器(DFA)は、抽出した特徴に基づいて視覚トランスフォーマー層を適応的に活性化し、冗長計算を減らして効率を大幅に改善する。
本モデルでは,複雑なマルチタスク損失関数の必要性を排除し,学習プロセスの合理化を実現している。
複数の夜間UAV追跡ベンチマークの大規模な実験は、最先端のトラッカーよりもDARTerの方が優れていることを示している。
これらの結果は、DARTerがトラッキングの精度と効率のバランスを効果的に保ち、現実の夜間UAV追跡アプリケーションにとって有望なソリューションであることを確認した。
関連論文リスト
- Learning Occlusion-Robust Vision Transformers for Real-Time UAV Tracking [11.146155422858824]
Vision Transformer (ViT) バックボーンを用いたシングルストリームアーキテクチャは、リアルタイムUAVトラッキングに大きな可能性を示している。
UAV追跡のためのViTに基づいて,Occlusion-Robust Representation (ORR) の学習を提案する。
また,よりコンパクトなトラッカーを作成するために,適応的特徴量に基づく知識蒸留法(AFKD)を提案する。
論文 参考訳（メタデータ） (2025-04-12T14:06:50Z) - Learning Adaptive and View-Invariant Vision Transformer with Multi-Teacher Knowledge Distillation for Real-Time UAV Tracking [15.597151507814429]
AVTrackは,リアルタイムなUAV追跡のための変圧器ブロックを選択的に活性化するアダプティブフレームワークである。
視角の極端な変化に伴う課題に対処するために,相互情報(MI)を用いたビュー不変表現を提案する。
AVTrack-MDと呼ばれる新しいMIベースの多教師知識蒸留(MD)フレームワークを提案する。
論文 参考訳（メタデータ） (2024-12-28T03:57:44Z) - A Cross-Scene Benchmark for Open-World Drone Active Tracking [54.235808061746525]
Drone Visual Active Trackingは、視覚的な観察に基づいてモーションシステムを制御することで、対象物を自律的に追跡することを目的としている。
DATと呼ばれるオープンワールドドローンアクティブトラッキングのためのクロスシーンクロスドメインベンチマークを提案する。
また、R-VATと呼ばれる強化学習に基づくドローン追跡手法を提案する。
論文 参考訳（メタデータ） (2024-12-01T09:37:46Z) - Learning Motion Blur Robust Vision Transformers with Dynamic Early Exit for Real-Time UAV Tracking [14.382072224997074]
トレーニング済みのViTバックボーンを使用したシングルストリームアーキテクチャでは、パフォーマンス、効率、堅牢性が改善されている。
リアルタイムなUAV追跡のためにTransformerブロックを動的に終了する適応型フレームワークにすることで、このフレームワークの効率を向上する。
また, 動きのぼかし処理におけるViTsの有効性も改善した。これは, UAV, 追跡対象の速さ, あるいはその両方によって生じるUAVトラッキングの共通問題である。
論文 参考訳（メタデータ） (2024-07-07T14:10:04Z) - Adaptively Bypassing Vision Transformer Blocks for Efficient Visual Tracking [11.361394596302334]
ABTrackは、効率的な視覚追跡のためにトランスフォーマーブロックを適応的にバイパスする適応型計算フレームワークである。
本稿では,トランスブロックをバイパスすべきかどうかを判断するBypass Decision Module (BDM)を提案する。
本稿では,各トランスブロックにおけるトークンの潜在表現の次元を小さくする,新しいViTプルーニング手法を提案する。
論文 参考訳（メタデータ） (2024-06-12T09:39:18Z) - 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) - LEAP-VO: Long-term Effective Any Point Tracking for Visual Odometry [52.131996528655094]
本稿では,LEAP(Long-term Effective Any Point Tracking)モジュールについて述べる。
LEAPは、動的トラック推定のために、視覚的、トラック間、時間的キューと慎重に選択されたアンカーを革新的に組み合わせている。
これらの特徴に基づき,強靭な視力計測システムLEAP-VOを開発した。
論文 参考訳（メタデータ） (2024-01-03T18:57:27Z) - SGDViT: Saliency-Guided Dynamic Vision Transformer for UAV Tracking [12.447854608181833]
本研究は、UAV追跡のための新しいサリエンシ誘導動的視覚変換器(SGDViT)を提案する。
提案手法は,クロスコリレーション操作を洗練させるために,タスク固有の新たなオブジェクト・サリエンシ・マイニング・ネットワークを設計する。
軽量な塩分フィルタリング変換器は、さらに塩分情報を洗練し、外観情報に焦点を当てる。
論文 参考訳（メタデータ） (2023-03-08T05:01:00Z) - AVisT: A Benchmark for Visual Object Tracking in Adverse Visibility [125.77396380698639]
AVisTは、視認性の悪いさまざまなシナリオにおける視覚的トラッキングのためのベンチマークである。
AVisTは、80kの注釈付きフレームを持つ120の挑戦的なシーケンスで構成されており、18の多様なシナリオにまたがっている。
我々は、属性間でのトラッキング性能を詳細に分析し、AVisTで17の人気のトラッカーと最近のトラッカーをベンチマークした。
論文 参考訳（メタデータ） (2022-08-14T17:49:37Z)
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。