論文の概要: Multi-tracklet Tracking for Generic Targets with Adaptive Detection Clustering

• arxiv url: http://arxiv.org/abs/2508.05172v1
• Date: Thu, 07 Aug 2025 09:05:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-08 21:11:55.673293
• Title: Multi-tracklet Tracking for Generic Targets with Adaptive Detection Clustering
• Title（参考訳）: 適応検出クラスタリングによるジェネリックターゲットのマルチトラックレット追跡
• Authors: Zewei Wu, Longhao Wang, Cui Wang, César Teixeira, Wei Ke, Zhang Xiong,
• Abstract要約: 本稿では、フレキシブルなトラックレット生成をマルチトラックレットアソシエーションフレームワークに統合する、MTT(Multi-Tracklet Tracking)と呼ばれるトラックレットトラッカーを提案する。 汎用マルチオブジェクト追跡のためのベンチマーク実験は,提案フレームワークの競争力を実証している。
• 参考スコア（独自算出の注目度）: 8.637143090635396
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tracking specific targets, such as pedestrians and vehicles, has been the focus of recent vision-based multitarget tracking studies. However, in some real-world scenarios, unseen categories often challenge existing methods due to low-confidence detections, weak motion and appearance constraints, and long-term occlusions. To address these issues, this article proposes a tracklet-enhanced tracker called Multi-Tracklet Tracking (MTT) that integrates flexible tracklet generation into a multi-tracklet association framework. This framework first adaptively clusters the detection results according to their short-term spatio-temporal correlation into robust tracklets and then estimates the best tracklet partitions using multiple clues, such as location and appearance over time to mitigate error propagation in long-term association. Finally, extensive experiments on the benchmark for generic multiple object tracking demonstrate the competitiveness of the proposed framework.
• Abstract（参考訳）: 歩行者や車両などの特定の目標を追跡することは、近年の視覚に基づく多目的追跡研究の焦点となっている。 しかし、現実のシナリオでは、低い信頼度の検出、弱い動きと外見の制約、長期の排除などにより、既存の手法に難解なカテゴリがしばしば挑戦する。 これらの問題に対処するため,本稿では,フレキシブルなトラックレット生成をマルチトラックレットアソシエーションフレームワークに統合したマルチトラックレットトラッカー(MTT)を提案する。 このフレームワークは、まず、短時間の時空間相関に基づいて検出結果を適応的にロバストなトラックレットにクラスタリングし、その後、位置や出現といった複数の手がかりを用いて最適なトラックレット分割を推定し、長期的関連性におけるエラー伝播を緩和する。 最後に、ジェネリックマルチオブジェクト追跡のためのベンチマークに関する広範な実験により、提案フレームワークの競争力を実証した。

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)
• Post-Hoc MOTS: Exploring the Capabilities of Time-Symmetric Multi-Object Tracking [0.37240490024629924]
  事前に記録されたサンプル中の出芽酵母の検出、分画、追跡のための時間対称追跡手法が導入された。 我々は、このアーキテクチャの幅広い機能、アドバンテージ、潜在的な課題を、様々な特別に設計されたシナリオで明らかにすることを目指している。 本稿では,事前学習モデルと非事前学習モデルの両方を対象とした追跡アーキテクチャの注意分析を行う。
  論文  参考訳（メタデータ） (2024-12-11T11:50:06Z)
• 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)
• Tracking by Associating Clips [110.08925274049409]
  本稿では,オブジェクト関連をクリップワイドマッチングとして扱う方法を検討する。 我々の新しい視点では、1つの長いビデオシーケンスを複数のショートクリップとみなし、そのトラックはクリップ内とクリップ間の両方で実行される。 この新しい手法の利点は2つある。まず、ビデオチャンキングによって中断フレームをバイパスできるため、エラーの蓄積や伝播の追跡に頑健である。 次に、クリップワイドマッチング中に複数のフレーム情報を集約し、現在のフレームワイドマッチングよりも高精度な長距離トラックアソシエーションを実現する。
  論文  参考訳（メタデータ） (2022-12-20T10:33:17Z)
• CoCoLoT: Combining Complementary Trackers in Long-Term Visual Tracking [17.2557973738397]
  本稿では,長期追跡性能を向上させるために,補完的な視覚トラッカーの特性を組み合わせたCoCoLoTというフレームワークを提案する。 CoCoLoTは、オンライン学習された深層検証モデルを通じて、トラッカーが対象オブジェクトをフォローしているかどうかを認識し、意思決定ポリシーを起動する。 提案手法は広範に評価され、他のいくつかのソリューションとの比較により、最も人気のある視覚的追跡ベンチマークにおいて最先端の手法と競合することが判明した。
  論文  参考訳（メタデータ） (2022-05-09T13:25:13Z)
• On the detection-to-track association for online multi-object tracking [30.883165972525347]
  トラックの歴史的外観距離をインクリメンタルなガウス混合モデル(IGMM)でモデル化するハイブリッドトラックアソシエーションアルゴリズムを提案する。 3つのMOTベンチマークによる実験結果から,HTAが目標識別性能を向上し,追跡速度に多少の妥協を施すことが確認された。
  論文  参考訳（メタデータ） (2021-07-01T14:44:12Z)
• Probabilistic Tracklet Scoring and Inpainting for Multiple Object Tracking [83.75789829291475]
  本稿では,トラックレット提案の確率的自己回帰運動モデルを提案する。 これは、我々のモデルを訓練して、自然のトラックレットの基盤となる分布を学習することで達成される。 我々の実験は、挑戦的なシーケンスにおける物体の追跡におけるアプローチの優位性を実証している。
  論文  参考訳（メタデータ） (2020-12-03T23:59:27Z)
• Tracking-by-Counting: Using Network Flows on Crowd Density Maps for Tracking Multiple Targets [96.98888948518815]
  State-of-the-art multi-object tracking(MOT)法は、トラッキング・バイ・検出のパラダイムに従っている。 混み合ったシーンに適したMOTパラダイムであるトラッキング・バイ・カウントを提案する。
  論文  参考訳（メタデータ） (2020-07-18T19:51:53Z)
• ArTIST: Autoregressive Trajectory Inpainting and Scoring for Tracking [80.02322563402758]
  オンラインマルチオブジェクトトラッキング(MOT)フレームワークの中核的なコンポーネントの1つは、既存のトラックレットと新しい検出を関連付けることである。 そこで我々は,トラックレットが自然運動を表す可能性を直接測定することにより,トラックレットの提案を評価する確率論的自己回帰生成モデルを提案する。
  論文  参考訳（メタデータ） (2020-04-16T06:43:11Z)

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。