論文の概要: CAMELTrack: Context-Aware Multi-cue ExpLoitation for Online Multi-Object Tracking

• arxiv url: http://arxiv.org/abs/2505.01257v1
• Date: Fri, 02 May 2025 13:26:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-05 17:21:20.035771
• Title: CAMELTrack: Context-Aware Multi-cue ExpLoitation for Online Multi-Object Tracking
• Title（参考訳）: CAMELTrack: オンラインマルチオブジェクトトラッキングのためのコンテキスト対応マルチキューExploitation
• Authors: Vladimir Somers, Baptiste Standaert, Victor Joos, Alexandre Alahi, Christophe De Vleeschouwer,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 68.24998698508344
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Online multi-object tracking has been recently dominated by tracking-by-detection (TbD) methods, where recent advances rely on increasingly sophisticated heuristics for tracklet representation, feature fusion, and multi-stage matching. The key strength of TbD lies in its modular design, enabling the integration of specialized off-the-shelf models like motion predictors and re-identification. However, the extensive usage of human-crafted rules for temporal associations makes these methods inherently limited in their ability to capture the complex interplay between various tracking cues. In this work, we introduce CAMEL, a novel association module for Context-Aware Multi-Cue ExpLoitation, that learns resilient association strategies directly from data, breaking free from hand-crafted heuristics while maintaining TbD's valuable modularity. At its core, CAMEL employs two transformer-based modules and relies on a novel association-centric training scheme to effectively model the complex interactions between tracked targets and their various association cues. Unlike end-to-end detection-by-tracking approaches, our method remains lightweight and fast to train while being able to leverage external off-the-shelf models. Our proposed online tracking pipeline, CAMELTrack, achieves state-of-the-art performance on multiple tracking benchmarks. Our code is available at https://github.com/TrackingLaboratory/CAMELTrack.
• Abstract（参考訳）: オンラインマルチオブジェクト追跡は、最近、トラックレット表現、特徴融合、マルチステージマッチングのためのより洗練されたヒューリスティック技術に頼っている、トラッキング・バイ・検出(TbD)手法に支配されている。 TbDの重要な強みはモジュラーデザインであり、モーション予測器や再同定のような特殊な市販モデルの統合を可能にする。 しかし、時間的関連のために人為的なルールが広く使われることで、これらの手法は本質的に様々な追跡手段間の複雑な相互作用を捉える能力に制限される。 本研究では,データから直接レジリエントなアソシエーション戦略を学習し,TbDの貴重なモジュール性を維持しつつ手作りのヒューリスティックスから解放する,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ーションモジュールCAMELを紹介する。 CAMELの中核は、2つのトランスフォーマーベースのモジュールを使用し、追跡対象とそれらの様々な関連手段の間の複雑な相互作用を効果的にモデル化する、新しいアソシエーション中心のトレーニングスキームに依存している。 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。 私たちのコードはhttps://github.com/TrackingLaboratory/CAMELTrack.comで利用可能です。

関連論文リスト

• Exploiting Multimodal Spatial-temporal Patterns for Video Object Tracking [53.33637391723555]
  本研究では,STTrack というマルチモーダル空間時間追跡手法を提案する。 従来のパラダイムとは対照的に,マルチモーダル時間情報を含むトークン列を連続的に生成する時間状態生成器(TSG)を導入している。 これらの時間情報トークンは、次の時刻におけるターゲットの局所化を誘導し、ビデオフレーム間の長距離コンテキスト関係を確立し、ターゲットの時間軌道を捕捉するために使用される。
  論文  参考訳（メタデータ） (2024-12-20T09:10:17Z)
• Lost and Found: Overcoming Detector Failures in Online Multi-Object Tracking [15.533652456081374]
  マルチオブジェクト追跡(MOT)は、時間とともに複数のオブジェクトのアイデンティティと位置を正確に推定する。 現代の検出器は、あるフレーム内のいくつかのオブジェクトを見逃すことがあるため、トラッカーは早めに追跡をやめる。 オンラインTbDシステムと互換性のある汎用フレームワークであるBUSCAを提案する。
  論文  参考訳（メタデータ） (2024-07-14T10:45:12Z)
• You Only Need Two Detectors to Achieve Multi-Modal 3D Multi-Object Tracking [9.20064374262956]
  提案手法は,2次元検出器と3次元検出器のみを用いて,ロバストなトラッキングを実現する。 多くの最先端のTBDベースのマルチモーダルトラッキング手法よりも正確であることが証明されている。
  論文  参考訳（メタデータ） (2023-04-18T02:45:18Z)
• 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)
• Prompting for Multi-Modal Tracking [70.0522146292258]
  マルチモーダルトラッキングのための新しいマルチモーダルプロンプトトラッカー(ProTrack)を提案する。 ProTrackはプロンプトパラダイムにより、マルチモーダル入力を単一モーダルに変換することができる。 我々のProTrackは、マルチモーダルデータに余分な訓練を加えることなく、入力を変更するだけで高性能なマルチモーダルトラッキングを実現することができる。
  論文  参考訳（メタデータ） (2022-07-29T09:35:02Z)

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。