論文の概要: No Train Yet Gain: Towards Generic Multi-Object Tracking in Sports and Beyond

• arxiv url: http://arxiv.org/abs/2506.01373v1
• Date: Mon, 02 Jun 2025 07:00:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:34.081601
• Title: No Train Yet Gain: Towards Generic Multi-Object Tracking in Sports and Beyond
• Title（参考訳）: 電車がまだ来ない: スポーツやその他におけるジェネリックな多目的追跡を目指す
• Authors: Tomasz Stanczyk, Seongro Yoon, Francois Bremond,
• Abstract要約: スポーツ分析には多目的追跡(MOT)が不可欠であり、パフォーマンス評価と戦術的洞察を可能にする。 従来のトラッキング・バイ・検出手法は広範囲なチューニングを必要とするが、セグメンテーションに基づくアプローチはトラック処理に苦労する。 我々は,時間的に伝播するセグメンテーションマスクをアソシエーションキューとして統合し,ビデオ単位のチューニングを伴わずにロバスト性を向上させるためのトラッキング・バイ・検出フレームワークであるMcByteを提案する。
• 参考スコア（独自算出の注目度）: 1.0806835533814036
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-object tracking (MOT) is essential for sports analytics, enabling performance evaluation and tactical insights. However, tracking in sports is challenging due to fast movements, occlusions, and camera shifts. Traditional tracking-by-detection methods require extensive tuning, while segmentation-based approaches struggle with track processing. We propose McByte, a tracking-by-detection framework that integrates temporally propagated segmentation mask as an association cue to improve robustness without per-video tuning. Unlike many existing methods, McByte does not require training, relying solely on pre-trained models and object detectors commonly used in the community. Evaluated on SportsMOT, DanceTrack, SoccerNet-tracking 2022 and MOT17, McByte demonstrates strong performance across sports and general pedestrian tracking. Our results highlight the benefits of mask propagation for a more adaptable and generalizable MOT approach. Code will be made available at https://github.com/tstanczyk95/McByte.
• Abstract（参考訳）: スポーツ分析には多目的追跡(MOT)が不可欠であり、パフォーマンス評価と戦術的洞察を可能にする。 しかし、スポーツにおけるトラッキングは、速い動き、閉塞、カメラシフトのために困難である。 従来のトラッキング・バイ・検出手法は広範囲なチューニングを必要とするが、セグメンテーションに基づくアプローチはトラック処理に苦労する。 我々は,時間的に伝播するセグメンテーションマスクをアソシエーションキューとして統合し,ビデオ単位のチューニングを伴わずにロバスト性を向上させるためのトラッキング・バイ・検出フレームワークであるMcByteを提案する。 多くの既存の方法とは異なり、McByteは訓練を必要とせず、コミュニティで一般的に使われている訓練済みのモデルやオブジェクト検出器にのみ依存している。 SportsMOT, DanceTrack, SoccerNet Tracking 2022, MOT17で評価されたMcByteは、スポーツと一般の歩行者追跡における強力なパフォーマンスを示している。 本結果は,より適応的で一般化可能なMOTアプローチにおけるマスク伝搬の利点を強調した。 コードはhttps://github.com/tstanczyk95/McByte.comから入手できる。

関連論文リスト

• CAMELTrack: Context-Aware Multi-cue ExpLoitation for Online Multi-Object Tracking [68.24998698508344]
  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。
  論文  参考訳（メタデータ） (2025-05-02T13:26:23Z)
• Masks and Boxes: Combining the Best of Both Worlds for Multi-Object Tracking [1.2145800134384477]
  マルチオブジェクト追跡(MOT)は、ビデオシーケンスをまたいだオブジェクトの特定と一貫した追跡を含む。 従来のトラッキング・バイ・検出手法は、広範囲なチューニングと一般化性の欠如を必要とする。 我々は,時間的に伝播するセグメンテーションマスクを強相関キューとして組み込んだ新しいアプローチ,McByteを提案する。
  論文  参考訳（メタデータ） (2024-09-21T18:52:07Z)
• 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)
• Sports-Traj: A Unified Trajectory Generation Model for Multi-Agent Movement in Sports [53.637837706712794]
  任意の軌道をマスク入力として処理する統一軌道生成モデルUniTrajを提案する。 具体的には,空間特徴抽出のためのトランスフォーマーエンコーダ内に埋め込まれたゴースト空間マスキング(GSM)モジュールを紹介する。 バスケットボールU,サッカーU,サッカーUの3つの実践的スポーツデータセットをベンチマークして評価を行った。
  論文  参考訳（メタデータ） (2024-05-27T22:15:23Z)
• Tracking Anything in High Quality [63.63653185865726]
  HQTrackは高品質なビデオ追跡のためのフレームワークだ。 ビデオマルチオブジェクトセグメンタ(VMOS)とマスクリファインダ(MR)で構成されている。
  論文  参考訳（メタデータ） (2023-07-26T06:19:46Z)
• SportsMOT: A Large Multi-Object Tracking Dataset in Multiple Sports Scenes [44.46768991505495]
  本稿では,emphSportsMOTと呼ばれる多種多様なスポーツシーンにおける大規模多目的追跡データセットを提案する。 240のビデオシーケンス、150Kフレーム以上、およびバスケットボール、バレーボール、サッカーを含む3つのスポーツカテゴリーから収集された1.6M以上のバウンディングボックスで構成されている。 本稿では,emphMixSortと呼ばれる新しい多対象追跡フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-11T12:07:31Z)
• Observation Centric and Central Distance Recovery on Sports Player Tracking [24.396926939889532]
  本稿では,バスケットボール,サッカー,バレーボールを含む3つのスポーツを対象とした,モーションベースのトラッキングアルゴリズムと3つのポストプロセッシングパイプラインを提案する。 本手法は,2022年のSportsmotワークショップ最終リーダーボードで3位にランクインした73.968のHOTAを達成した。
  論文  参考訳（メタデータ） (2022-09-27T04:48:11Z)
• SoccerNet-Tracking: Multiple Object Tracking Dataset and Benchmark in Soccer Videos [62.686484228479095]
  本稿では,各30の200列からなる複数物体追跡のための新しいデータセットを提案する。 データセットは、バウンディングボックスとトラックレットIDで完全に注釈付けされている。 分析の結果,サッカービデオにおける複数の選手,審判,ボール追跡が解決されるには程遠いことがわかった。
  論文  参考訳（メタデータ） (2022-04-14T12:22:12Z)

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。