論文の概要: DMTrack: Deformable State-Space Modeling for UAV Multi-Object Tracking with Kalman Fusion and Uncertainty-Aware Association

• arxiv url: http://arxiv.org/abs/2510.17860v1
• Date: Wed, 15 Oct 2025 13:54:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:12.226339
• Title: DMTrack: Deformable State-Space Modeling for UAV Multi-Object Tracking with Kalman Fusion and Uncertainty-Aware Association
• Title（参考訳）: DMTrack: Kalman Fusion と Uncertainty-Aware Association によるUAV多物体追跡のための変形可能な状態空間モデリング
• Authors: Zenghuang Fu, Xiaofeng Han, Mingda Jia, Jin ming Yang, Qi Zeng, Muyang Zahng, Changwei Wang, Weiliang Meng, Xiaopeng Zhang,
• Abstract要約: 無人航空機(UAV)からの多目的追跡(MOT)は、予測不可能な物体の動きによる固有の課題を提示する。 UAVベースのMOTに適した変形可能なモーショントラッキングフレームワークであるDMTrackを提案する。 本手法は, 外観モデルなしで動作し, 競争効率を保ち, 堅牢なUAVトラッキングの実現性を強調した。
• 参考スコア（独自算出の注目度）: 18.68212724411998
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-object tracking (MOT) from unmanned aerial vehicles (UAVs) presents unique challenges due to unpredictable object motion, frequent occlusions, and limited appearance cues inherent to aerial viewpoints. These issues are further exacerbated by abrupt UAV movements, leading to unreliable trajectory estimation and identity switches. Conventional motion models, such as Kalman filters or static sequence encoders, often fall short in capturing both linear and non-linear dynamics under such conditions. To tackle these limitations, we propose DMTrack, a deformable motion tracking framework tailored for UAV-based MOT. Our DMTrack introduces three key components: DeformMamba, a deformable state-space predictor that dynamically aggregates historical motion states for adaptive trajectory modeling; MotionGate, a lightweight gating module that fuses Kalman and Mamba predictions based on motion context and uncertainty; and an uncertainty-aware association strategy that enhances identity preservation by aligning motion trends with prediction confidence. Extensive experiments on the VisDrone-MOT and UAVDT benchmarks demonstrate that our DMTrack achieves state-of-the-art performance in identity consistency and tracking accuracy, particularly under high-speed and non-linear motion. Importantly, our method operates without appearance models and maintains competitive efficiency, highlighting its practicality for robust UAV-based tracking.
• Abstract（参考訳）: 無人航空機(UAV)からの多目的追跡(MOT)は、予測不可能な物体の動き、頻繁な閉塞、および航空的な視点に固有の限られた外観の手がかりにより、固有の課題を提示する。 これらの問題は、突然のUAVの動きによってさらに悪化し、信頼性の低い軌道推定とアイデンティティスイッチにつながる。 カルマンフィルタや静的シーケンスエンコーダのような従来の運動モデルは、そのような条件下での線形および非線形のダイナミクスの捕捉に不足することが多い。 これらの制約に対処するために,UAVベースのMOTに適した変形可能なモーショントラッキングフレームワークであるDMTrackを提案する。 我々のDMTrackは3つの重要なコンポーネントを紹介している: DeformMamba、適応軌道モデルのための歴史的動き状態を動的に集約する変形可能な状態空間予測器、MotionGate、動きコンテキストと不確実性に基づいてカルマンとマンバの予測を融合する軽量なゲーティングモジュール、そして、動き傾向と予測信頼度を整列させることによりアイデンティティの保存を強化する不確実性対応アソシエーション戦略である。 VisDrone-MOT および UAVDT ベンチマークの大規模な実験により、我々の DMTrack はアイデンティティの整合性と追跡精度、特に高速・非線形動作下での最先端性能を実現していることが示された。 重要なこととして,本手法は外観モデルなしで動作し,競争効率を保ち,堅牢なUAVトラッキングの実現性を強調した。

関連論文リスト

• 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)
• 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)
• MambaMOT: State-Space Model as Motion Predictor for Multi-Object Tracking [23.547018300192065]
  本稿では,カルマンフィルタを学習に基づく運動モデルに置き換える可能性について検討する。 MambaMOTとMambaMOT+は、DanceTrackやSportsMOTといったMOTデータセットに挑戦する高度なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2024-03-16T06:26:52Z)
• 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)
• 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)

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。