論文の概要: SportMamba: Adaptive Non-Linear Multi-Object Tracking with State Space Models for Team Sports

• arxiv url: http://arxiv.org/abs/2506.03335v1
• Date: Tue, 03 Jun 2025 19:28:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 21:20:14.025359
• Title: SportMamba: Adaptive Non-Linear Multi-Object Tracking with State Space Models for Team Sports
• Title（参考訳）: SportMamba: チームスポーツのための状態空間モデルを用いた適応型非線形多目的追跡
• Authors: Dheeraj Khanna, Jerrin Bright, Yuhao Chen, John S. Zelek,
• Abstract要約: SportMambaは、動的チームスポーツのトラッキングに特化した適応型ハイブリッドMOT技術である。 提案手法であるSportsMambaは,SportsMOTデータセットにおける各種メトリクスの最先端性能を示す。
• 参考スコア（独自算出の注目度）: 10.705443721911406
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-object tracking (MOT) in team sports is particularly challenging due to the fast-paced motion and frequent occlusions resulting in motion blur and identity switches, respectively. Predicting player positions in such scenarios is particularly difficult due to the observed highly non-linear motion patterns. Current methods are heavily reliant on object detection and appearance-based tracking, which struggle to perform in complex team sports scenarios, where appearance cues are ambiguous and motion patterns do not necessarily follow a linear pattern. To address these challenges, we introduce SportMamba, an adaptive hybrid MOT technique specifically designed for tracking in dynamic team sports. The technical contribution of SportMamba is twofold. First, we introduce a mamba-attention mechanism that models non-linear motion by implicitly focusing on relevant embedding dependencies. Second, we propose a height-adaptive spatial association metric to reduce ID switches caused by partial occlusions by accounting for scale variations due to depth changes. Additionally, we extend the detection search space with adaptive buffers to improve associations in fast-motion scenarios. Our proposed technique, SportMamba, demonstrates state-of-the-art performance on various metrics in the SportsMOT dataset, which is characterized by complex motion and severe occlusion. Furthermore, we demonstrate its generalization capability through zero-shot transfer to VIP-HTD, an ice hockey dataset.
• Abstract（参考訳）: チームスポーツにおけるマルチオブジェクトトラッキング(MOT)は、速いペースの運動と頻繁な閉塞により、それぞれ動きのぼやけとアイデンティティスイッチが生じるため、特に困難である。 このようなシナリオにおけるプレイヤーの位置の予測は、高度に非線形な動きパターンが観察されるため、特に困難である。 現在の手法はオブジェクトの検出と外見に基づく追跡に大きく依存しており、複雑なチームスポーツのシナリオでは実行に苦慮している。 これらの課題に対処するために,動的チームスポーツにおけるトラッキングに特化して設計された適応型MOT技術であるSportMambaを紹介する。 SportMambaの技術的貢献は2倍である。 まず,意味のある埋め込み依存に暗黙的に焦点をあてることで,非線形動作をモデル化するマンバアテンション機構を導入する。 第2に,深度変化によるスケール変動を考慮し,部分閉塞によるIDスイッチの低減を目的とした高度適応型空間関連尺度を提案する。 さらに、高速動作シナリオにおける関連性を改善するために、適応バッファによる検出検索空間を拡張した。 提案手法であるSportsMambaは,複雑な動作と重篤な閉塞を特徴とするSportsMOTデータセットにおいて,様々な指標の最先端性能を示す。 さらに,アイスホッケーデータセットであるVIP-HTDへのゼロショット転送により,その一般化能力を示す。

関連論文リスト

• Enhanced Multi-Object Tracking Using Pose-based Virtual Markers in 3x3 Basketball [3.072051066949152]
  本研究では,チームスポーツのための新しい仮想マーカー(VM)MOT法,Sports-vmTrackingを提案する。 提案手法は平均 HOTA スコア72.3% を達成し,VM を含まない他の最先端メソッドよりも10ポイント以上高く,その結果,0 ID スイッチが得られた。
  論文  参考訳（メタデータ） (2024-12-09T07:16:50Z)
• Event-Based Tracking Any Point with Motion-Augmented Temporal Consistency [58.719310295870024]
  本稿では,任意の点を追跡するイベントベースのフレームワークを提案する。 出来事の空間的空間性や動きの感度によって引き起こされる課題に対処する。 競合モデルパラメータによる処理を150%高速化する。
  論文  参考訳（メタデータ） (2024-12-02T09:13:29Z)
• MambaTrack: A Simple Baseline for Multiple Object Tracking with State Space Model [18.607106274732885]
  我々は、MTP(Mamba moTion Predictor)という、マンバをベースとしたモーションモデルを導入する。 MTPは、物体の時空間的位置ダイナミクスを入力として、バイマンバ符号化層を用いて動きパターンをキャプチャし、次の動きを予測する。 提案するトラッカーであるMambaTrackは、DancetrackやSportsMOTなどのベンチマークで高度なパフォーマンスを示す。
  論文  参考訳（メタデータ） (2024-08-17T11:58:47Z)
• Deep HM-SORT: Enhancing Multi-Object Tracking in Sports with Deep Features, Harmonic Mean, and Expansion IOU [0.49998148477760973]
  Deep HM-SORTは、新しいオンライン多目的追跡アルゴリズムである。 外観と動きのバランスを保ち、IDスワップを著しく減少させる。 2つの大規模公開ベンチマークで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-06-17T20:41:14Z)
• 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)
• MotionCrafter: One-Shot Motion Customization of Diffusion Models [66.44642854791807]
  ワンショットのインスタンス誘導モーションカスタマイズ手法であるMotionCrafterを紹介する。 MotionCrafterは、基準運動をベースモデルの時間成分に注入する並列時空間アーキテクチャを採用している。 トレーニング中、凍結ベースモデルは外見の正規化を提供し、運動から効果的に外見を分離する。
  論文  参考訳（メタデータ） (2023-12-08T16:31:04Z)
• Hybrid-SORT: Weak Cues Matter for Online Multi-Object Tracking [51.16677396148247]
  Multi-Object Tracking (MOT) は、望まれるすべてのオブジェクトをフレーム間で検出し、関連付けることを目的としている。 本稿では,MOTにおけるこの長期的課題を,弱い手がかりを取り入れることで,効果的かつ効果的に解決できることを実証する。 提案手法は,MOT17,MOT20,特にDanceTrackなど,様々なベンチマークにおいて優れた性能を実現する。
  論文  参考訳（メタデータ） (2023-08-01T18:53:24Z)
• MotionTrack: Learning Motion Predictor for Multiple Object Tracking [68.68339102749358]
  本研究では,学習可能なモーション予測器を中心に,新しいモーショントラッカーであるMotionTrackを紹介する。 実験結果から、MotionTrackはDancetrackやSportsMOTといったデータセット上での最先端のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2023-06-05T04:24:11Z)
• MAT: Motion-Aware Multi-Object Tracking [9.098793914779161]
  本稿では,様々な物体の動作パターンに着目した動き認識トラッキング(MAT)を提案する。 MOT16とMOT17の挑戦的なベンチマークの実験は、我々のMATアプローチが大きなマージンで優れたパフォーマンスを達成することを実証している。
  論文  参考訳（メタデータ） (2020-09-10T11:51:33Z)

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。