論文の概要: GL-DT: Multi-UAV Detection and Tracking with Global-Local Integration

• arxiv url: http://arxiv.org/abs/2510.09092v1
• Date: Fri, 10 Oct 2025 07:37:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 00:38:48.389677
• Title: GL-DT: Multi-UAV Detection and Tracking with Global-Local Integration
• Title（参考訳）: GL-DT:グローバルローカル統合によるマルチUAV検出と追跡
• Authors: Juanqin Liu, Leonardo Plotegher, Eloy Roura, Shaoming He,
• Abstract要約: 本稿では,Global-Local Detection and Tracking (GL-DT) フレームワークを提案する。 時空間特徴融合(STFF)モジュールを使用して、動きと外観の特徴を共同でモデル化し、グローバルな共同検出戦略と組み合わせている。 実験の結果,提案手法は実時間性能を維持しながらMOTの連続性と安定性を著しく向上することが示された。
• 参考スコア（独自算出の注目度）: 0.6299766708197883
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The extensive application of unmanned aerial vehicles (UAVs) in military reconnaissance, environmental monitoring, and related domains has created an urgent need for accurate and efficient multi-object tracking (MOT) technologies, which are also essential for UAV situational awareness. However, complex backgrounds, small-scale targets, and frequent occlusions and interactions continue to challenge existing methods in terms of detection accuracy and trajectory continuity. To address these issues, this paper proposes the Global-Local Detection and Tracking (GL-DT) framework. It employs a Spatio-Temporal Feature Fusion (STFF) module to jointly model motion and appearance features, combined with a global-local collaborative detection strategy, effectively enhancing small-target detection. Building upon this, the JPTrack tracking algorithm is introduced to mitigate common issues such as ID switches and trajectory fragmentation. Experimental results demonstrate that the proposed approach significantly improves the continuity and stability of MOT while maintaining real-time performance, providing strong support for the advancement of UAV detection and tracking technologies.
• Abstract（参考訳）: 無人航空機(UAV)の軍事偵察、環境監視、および関連ドメインへの広範な適用は、UAVの状況認識にも不可欠である正確かつ効率的な多目的追跡(MOT)技術に対する緊急の要求を生み出している。 しかし、複雑な背景、小規模な目標、頻繁な閉塞や相互作用は、検出精度と軌道連続性の観点から既存の手法に挑戦し続けている。 これらの問題に対処するために,Global-Local Detection and Tracking (GL-DT) フレームワークを提案する。 動作と外観の機能を共同でモデル化するために、時空間特徴融合(STFF)モジュールを使用し、グローバルな共同検出戦略と組み合わせて、小さなターゲット検出を効果的に強化する。 JPTrack追跡アルゴリズムは、IDスイッチやトラジェクトリフラグメンテーションなどの一般的な問題を緩和するために導入された。 実験により,提案手法は実時間性能を維持しながらMOTの連続性と安定性を著しく向上し,UAV検出・追跡技術の進歩を強力に支援することを示す。

関連論文リスト

• HUNT: High-Speed UAV Navigation and Tracking in Unstructured Environments via Instantaneous Relative Frames [50.83645076723809]
  HUNT (High-speed UAV Navigation and Tracking) は、1つの相対的な定式化の中で統合、取得、追跡を行うリアルタイムフレームワークである。 密林、コンテナ化合物、および車両やマネキンによる捜索救助活動の試行は、グローバルな方法が失敗した場合の堅牢な自律性を示している。
  論文  参考訳（メタデータ） (2025-09-23T18:07:10Z)
• SocialTrack: Multi-Object Tracking in Complex Urban Traffic Scenes Inspired by Social Behavior [17.501890320034693]
  本稿では,複雑な都市交通環境における小目標の追跡精度とロバスト性を高めるために,新しい多目的追跡フレームワークSocialTrackを提案する。 特殊小ターゲット検出器は、マルチスケールの特徴増強機構を用いて検出性能を向上させる。 UAVDTとMOT17データセットに関する大規模な実験は、SocialTrackが既存の最先端(SOTA)メソッドをいくつかの主要なメトリクスで上回っていることを示している。
  論文  参考訳（メタデータ） (2025-08-18T09:53:32Z)
• Tracking the Unstable: Appearance-Guided Motion Modeling for Robust Multi-Object Tracking in UAV-Captured Videos [58.156141601478794]
  マルチオブジェクトトラッキング(UAVT)は、ビデオのフレーム間で一貫したアイデンティティを維持しながら、複数のオブジェクトを追跡することを目的としている。 既存の手法は、通常、動作キューと外観を別々にモデル化し、それらの相互作用を見渡して、最適下追跡性能をもたらす。 本稿では、AMC行列とMTCモジュールの2つの主要コンポーネントを通して、外観と動きの手がかりを利用するAMOTを提案する。
  論文  参考訳（メタデータ） (2025-08-03T12:06:47Z)
• DINO-CoDT: Multi-class Collaborative Detection and Tracking with Vision Foundation Models [11.34839442803445]
  道路利用者を対象とした多クラス協調検出・追跡フレームワークを提案する。 まず,大域的空間注意融合(GSAF)モジュールを用いた検出器を提案する。 次に,視覚基盤モデルを用いた視覚的セマンティクスを活用し,IDSW(ID SWitch)エラーを効果的に低減するトラックレットRe-IDentification(REID)モジュールを提案する。
  論文  参考訳（メタデータ） (2025-06-09T02:49:10Z)
• A Cross-Scene Benchmark for Open-World Drone Active Tracking [54.235808061746525]
  Drone Visual Active Trackingは、視覚的な観察に基づいてモーションシステムを制御することで、対象物を自律的に追跡することを目的としている。 DATと呼ばれるオープンワールドドローンアクティブトラッキングのためのクロスシーンクロスドメインベンチマークを提案する。 また、R-VATと呼ばれる強化学習に基づくドローン追跡手法を提案する。
  論文  参考訳（メタデータ） (2024-12-01T09:37:46Z)
• Real-Time Detection for Small UAVs: Combining YOLO and Multi-frame Motion Analysis [0.8971132850029493]
  無人航空機(UAV)検出技術は、セキュリティリスクの軽減と、軍用および民間の双方のアプリケーションにおけるプライバシーの保護において重要な役割を担っている。 従来の検出手法は、長距離で非常に小さなピクセルを持つUAVターゲットを識別する上で重要な課題に直面している。 我々は,YOLO(You Only Look Once)オブジェクト検出と多フレームモーション検出を併用したGlobal-Local YOLO-Motion(GL-YOMO)検出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-10T14:30:50Z)
• Continuity-Aware Latent Interframe Information Mining for Reliable UAV Tracking [5.9397055042513465]
  無人航空機(UAV)の追跡は自律走行に不可欠であり、ロボット自動化分野に広く応用されている。 本研究は,信頼性のあるUAV追跡,すなわちClimRTのための連続性を考慮した潜時間情報マイニングを行う新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-08T11:42:57Z)
• Tracking by Joint Local and Global Search: A Target-aware Attention based Approach [63.50045332644818]
  本研究では、ロバストな追跡のための局所的・グローバルな共同探索を行うための新たな目標認識型アテンション機構(TANet)を提案する。 具体的には、ターゲットオブジェクトパッチと連続ビデオフレームの特徴を抽出し、それらをデコーダネットワークに追従して、ターゲットを意識したグローバルアテンションマップを生成する。 追跡手順において、ロバストな追跡のための候補探索領域を探索することにより、ターゲット認識の注意を複数のトラッカーと統合する。
  論文  参考訳（メタデータ） (2021-06-09T06:54:15Z)

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。