論文の概要: An HMM-based framework for identity-aware long-term multi-object tracking from sparse and uncertain identification: use case on long-term tracking in livestock

• arxiv url: http://arxiv.org/abs/2509.09962v1
• Date: Fri, 12 Sep 2025 04:39:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-15 16:03:07.977484
• Title: An HMM-based framework for identity-aware long-term multi-object tracking from sparse and uncertain identification: use case on long-term tracking in livestock
• Title（参考訳）: スパースおよび不確実性同定からの身元認識型長期多目的追跡のためのHMMに基づくフレームワーク--家畜の長期追跡を事例として-
• Authors: Anne Marthe Sophie Ngo Bibinbe, Chiron Bang, Patrick Gagnon, Jamie Ahloy-Dallaire, Eric R. Paquet,
• Abstract要約: 長時間の多目的追跡(MOT)の必要性は、数分にわたるビデオ内の個々の振る舞いを分析する必要性から増大している。 畜産部門のような現実世界の多くの応用では、飼料などの供給源から、一部の動物に対して散発的識別を得ることが可能である。 隠れマルコフモデル(HMM)を用いた不確実性と追跡の両立を図った新しいフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.04893345190925178
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The need for long-term multi-object tracking (MOT) is growing due to the demand for analyzing individual behaviors in videos that span several minutes. Unfortunately, due to identity switches between objects, the tracking performance of existing MOT approaches decreases over time, making them difficult to apply for long-term tracking. However, in many real-world applications, such as in the livestock sector, it is possible to obtain sporadic identifications for some of the animals from sources like feeders. To address the challenges of long-term MOT, we propose a new framework that combines both uncertain identities and tracking using a Hidden Markov Model (HMM) formulation. In addition to providing real-world identities to animals, our HMM framework improves the F1 score of ByteTrack, a leading MOT approach even with re-identification, on a 10 minute pig tracking dataset with 21 identifications at the pen's feeding station. We also show that our approach is robust to the uncertainty of identifications, with performance increasing as identities are provided more frequently. The improved performance of our HMM framework was also validated on the MOT17 and MOT20 benchmark datasets using both ByteTrack and FairMOT. The code for this new HMM framework and the new 10-minute pig tracking video dataset are available at: https://github.com/ngobibibnbe/uncertain-identity-aware-tracking
• Abstract（参考訳）: 長時間の多目的追跡(MOT)の必要性は、数分にわたるビデオ内の個々の振る舞いを分析する必要性から増大している。 残念ながら、オブジェクト間の同一性スイッチのため、既存のMOTアプローチのトラッキング性能は時間とともに低下し、長期追跡には適用が困難になる。 しかし、畜産部門のような現実世界の多くの応用では、餌食のような情報源から、一部の動物に対して散発的識別を得ることが可能である。 長期MOTの課題に対処するために,隠れマルコフモデル (HMM) を用いた不確実性と追跡を組み合わせた新しいフレームワークを提案する。 我々のHMMフレームワークは、動物に現実世界の身元情報を提供することに加えて、ペンの給餌所で21の身元を識別した10分間の豚追跡データセット上で、MOTの指導的アプローチであるByteTrackのF1スコアを改善する。 また,本手法は識別の不確実性に対して頑健であり,アイデンティティがより頻繁に提供されるにつれて,性能が向上することを示す。 ByteTrackとFairMOTを使用して,MOT17およびMOT20ベンチマークデータセット上で,HMMフレームワークの性能向上を検証した。 新しいHMMフレームワークと、新しい10分間の豚追跡ビデオデータセットのコードは、https://github.com/ngobibibnbe/uncertain-identity-aware-trackingで公開されている。

関連論文リスト

• 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)
• Long-Term Visual Object Tracking with Event Cameras: An Associative Memory Augmented Tracker and A Benchmark Dataset [9.366068518600583]
  FELTと呼ばれる,長期的かつ大規模な視覚オブジェクト追跡データセットを提案する。 また,Asociative Memory Transformer を用いた RGB-Event の長期視覚トラッカー AMTTrack を提案する。
  論文  参考訳（メタデータ） (2024-03-09T08:49:50Z)
• Sea You Later: Metadata-Guided Long-Term Re-Identification for UAV-Based Multi-Object Tracking [28.621855692099313]
  我々は、Metadata Guided MOT (MG-MOT) と呼ばれる適応型モーションベースMOTアルゴリズムを提案する。 MG-MOTは、短距離追跡データをコヒーレントな長期トラックに効果的にマージし、UAVから重要なメタデータを活用する。 我々は,UAVをベースとした海上物体追跡チャレンジの最新版において,最先端のHOTA 69.5%,IFF1 85.9%の高性能性能を実現した。
  論文  参考訳（メタデータ） (2023-11-06T22:01:27Z)
• 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)
• Cannot See the Forest for the Trees: Aggregating Multiple Viewpoints to Better Classify Objects in Videos [36.28269135795851]
  本稿では,トラックレットに含まれる複数の視点から情報を集約することで,トラックレットの分類精度を向上させる集合分類器を提案する。 ResNet-101上のQDTrackにメソッドをアタッチするだけで、TAOの検証とテストセットで19.9%と15.7%のTrackAP_50という新しい最先端を実現できます。
  論文  参考訳（メタデータ） (2022-06-05T07:51:58Z)
• Persistent Animal Identification Leveraging Non-Visual Markers [71.14999745312626]
  乱雑なホームケージ環境下で各マウスにユニークな識別子を時間をかけて発見し提供することを目的としている。 これは、(i)各マウスの視覚的特徴の区別の欠如、(ii)一定の閉塞を伴うシーンの密閉性のため、非常に難しい問題である。 本手法は, この動物識別問題に対して77%の精度を達成し, 動物が隠れているときの急激な検出を拒否することができる。
  論文  参考訳（メタデータ） (2021-12-13T17:11:32Z)
• Multi-Object Tracking and Segmentation with a Space-Time Memory Network [12.043574473965318]
  トラックレットを関連づける新しいメモリベース機構に基づく多目的追跡とセグメンテーションの手法を提案する。 提案するトラッカーであるMeNToSは、特に長期データアソシエーションの問題に対処する。
  論文  参考訳（メタデータ） (2021-10-21T17:13:17Z)
• Simultaneous Detection and Tracking with Motion Modelling for Multiple Object Tracking [94.24393546459424]
  本稿では,複数の物体の運動パラメータを推定し,共同検出と関連付けを行うディープ・モーション・モデリング・ネットワーク(DMM-Net)を提案する。 DMM-Netは、人気の高いUA-DETRACチャレンジで12.80 @120+ fpsのPR-MOTAスコアを達成した。 また,車両追跡のための大規模な公開データセットOmni-MOTを合成し,精密な接地トルースアノテーションを提供する。
  論文  参考訳（メタデータ） (2020-08-20T08:05:33Z)

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。