論文の概要: PlanarTrack: A high-quality and challenging benchmark for large-scale planar object tracking

• arxiv url: http://arxiv.org/abs/2510.23368v1
• Date: Mon, 27 Oct 2025 14:18:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 15:28:15.571063
• Title: PlanarTrack: A high-quality and challenging benchmark for large-scale planar object tracking
• Title（参考訳）: PlanarTrack: 大規模平面オブジェクト追跡のための高品質で挑戦的なベンチマーク
• Authors: Yifan Jiao, Xinran Liu, Xiaoqiong Liu, Xiaohui Yuan, Heng Fan, Libo Zhang,
• Abstract要約: 平面追跡は、ロボット工学や拡張現実において重要な役割を担っているため、関心が高まっている。 PlanarTrackは、1,150のシーケンスと733Kのフレームで構成され、1000の短期ビデオと150の新しい長期ビデオが含まれている。 PlanarTrackのすべてのビデオは、野生の制約のない状態で録画されるため、PlanarTrackは挑戦的だが現実のアプリケーションでは現実的だ。
• 参考スコア（独自算出の注目度）: 28.27463566287967
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Planar tracking has drawn increasing interest owing to its key roles in robotics and augmented reality. Despite recent great advancement, further development of planar tracking, particularly in the deep learning era, is largely limited compared to generic tracking due to the lack of large-scale platforms. To mitigate this, we propose PlanarTrack, a large-scale high-quality and challenging benchmark for planar tracking. Specifically, PlanarTrack consists of 1,150 sequences with over 733K frames, including 1,000 short-term and 150 new long-term videos, which enables comprehensive evaluation of short- and long-term tracking performance. All videos in PlanarTrack are recorded in unconstrained conditions from the wild, which makes PlanarTrack challenging but more realistic for real-world applications. To ensure high-quality annotations, each video frame is manually annotated by four corner points with multi-round meticulous inspection and refinement. To enhance target diversity of PlanarTrack, we only capture a unique target in one sequence, which is different from existing benchmarks. To our best knowledge, PlanarTrack is by far the largest and most diverse and challenging dataset dedicated to planar tracking. To understand performance of existing methods on PlanarTrack and to provide a comparison for future research, we evaluate 10 representative planar trackers with extensive comparison and in-depth analysis. Our evaluation reveals that, unsurprisingly, the top planar trackers heavily degrade on the challenging PlanarTrack, which indicates more efforts are required for improving planar tracking. Our data and results will be released at https://github.com/HengLan/PlanarTrack
• Abstract（参考訳）: 平面追跡は、ロボット工学や拡張現実において重要な役割を担っているため、関心が高まっている。 近年の進歩にもかかわらず、特にディープラーニング時代における平面追跡のさらなる発展は、大規模プラットフォームが欠如しているため、一般的な追跡に比べて大きく制限されている。 そこで我々はPlanarTrackを提案する。PlanarTrackは大規模で高品質なPlanar Trackのベンチマークである。 具体的には、PlanarTrackは、733Kフレームを超える1,150のシーケンスで構成されており、1000の短期ビデオと150の新しい長期ビデオが含まれており、短期および長期追跡性能の包括的な評価を可能にしている。 PlanarTrackのすべてのビデオは、野生の制約のない状態で録画されるため、PlanarTrackは挑戦的だが現実のアプリケーションでは現実的だ。 高品質なアノテーションを保証するため、各ビデオフレームを4つのコーナーポイントで手動で注釈付けし、多ラウンドの精査と精査を行う。 PlanarTrackのターゲットの多様性を高めるために、既存のベンチマークとは異なる1つのシーケンスでユニークなターゲットをキャプチャする。 私たちの知る限りでは、PlanarTrackは、プランナートラッキングに特化した、最大で最も多様で挑戦的なデータセットです。 PlanarTrackの既存手法の性能を把握し,今後の研究との比較を行うため,広範囲な比較と詳細な分析を行った10種類の代表的平面トラッカーの評価を行った。 我々の評価では、当然のことながら、トッププランナートラッカーは課題であるPlanarTrackを著しく劣化させており、プランナートラッカーの改善にはより多くの努力が必要であることが示されている。 我々のデータと結果はhttps://github.com/HengLan/PlanarTrackで公開される。

関連論文リスト

• Open-World Drone Active Tracking with Goal-Centered Rewards [62.21394499788672]
  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は,世界初となるエア・ツー・グラウンド・トラッキング・ベンチマークである。 また,複雑なシナリオにおけるドローン追跡目標の性能向上を目的としたGC-VATを提案する。
  論文  参考訳（メタデータ） (2024-12-01T09:37:46Z)
• DenseTrack: Drone-based Crowd Tracking via Density-aware Motion-appearance Synergy [33.57923199717605]
  ドローンによる群集追跡は、空中からの物体の正確な識別と監視に困難に直面している。 これらの課題に対処するために、密度認識追跡(DenseTrack)フレームワークを提案する。 DenseTrackは、群衆のカウントに乗じて、オブジェクトの位置を正確に決定し、視覚とモーションのキューを混ぜて、小規模オブジェクトの追跡を改善する。
  論文  参考訳（メタデータ） (2024-07-24T13:39:07Z)
• Tracking with Human-Intent Reasoning [64.69229729784008]
  この作業では、新しいトラッキングタスクであるインストラクショントラッキングを提案している。 ビデオフレーム内で自動的にトラッキングを実行するようにトラッカーに要求する暗黙の追跡命令を提供する。 TrackGPTは複雑な推論ベースの追跡を行うことができる。
  論文  参考訳（メタデータ） (2023-12-29T03:22:18Z)
• BEVTrack: A Simple and Strong Baseline for 3D Single Object Tracking in Bird's-Eye View [54.48052449493636]
  3Dシングルオブジェクトトラッキング(SOT)はコンピュータビジョンの基本課題であり、自律運転のようなアプリケーションにおいて重要な役割を果たす。 BEVTrackは、シンプルだが効果的な動きに基づくトラッキング手法である。 我々は,BEVTrackが200FPSで動作しながら最先端の結果を達成し,リアルタイム適用性を実現していることを示す。
  論文  参考訳（メタデータ） (2023-09-05T12:42:26Z)
• CoTracker: It is Better to Track Together [70.63040730154984]
  CoTrackerは、長いビデオシーケンスで多数の2Dポイントを追跡するトランスフォーマーベースのモデルである。 関節トラッキングはトラッキング精度とロバスト性を大幅に改善し、CoTrackerはカメラビューの外側に隠された点や点を追跡することができる。
  論文  参考訳（メタデータ） (2023-07-14T21:13:04Z)
• Iterative Scale-Up ExpansionIoU and Deep Features Association for Multi-Object Tracking in Sports [26.33239898091364]
  本稿では,スポーツシナリオに対するDeep ExpansionIoU (Deep-EIoU) という,オンラインかつ堅牢な多対象追跡手法を提案する。 従来の手法とは異なり、カルマンフィルタの使用を放棄し、スポーツシナリオにおける拡張IoUの反復的なスケールアップと深い特徴を活用して、ロバストなトラッキングを行う。 提案手法は,SportsMOTデータセットで77.2%,SportsNet-Trackingデータセットで85.4%を達成し,不規則な動き物体の追跡に顕著な効果を示した。
  論文  参考訳（メタデータ） (2023-06-22T17:47:08Z)
• PlanarTrack: A Large-scale Challenging Benchmark for Planar Object Tracking [21.111709457786088]
  平面物体追跡はコンピュータビジョンの重要な問題である。 PlanarTrackは490K以上の画像を持つ1000本のビデオで構成されている。 PlanarTrackは現実のアプリケーションでは難しいが現実的だ。
  論文  参考訳（メタデータ） (2023-03-14T04:48:18Z)
• ViKiNG: Vision-Based Kilometer-Scale Navigation with Geographic Hints [94.60414567852536]
  長距離航法には、計画と局所的な移動可能性の推論の両方が必要である。 学習と計画を統合する学習に基づくアプローチを提案する。 ViKiNGは、画像ベースの学習コントローラを利用できる。
  論文  参考訳（メタデータ） (2022-02-23T02:14:23Z)
• Benchmarking Deep Trackers on Aerial Videos [5.414308305392762]
  本論文では,4つの空中データセットの深層学習手法に基づく10のトラッカーを比較した。 我々は,検出による追跡,識別相関フィルタ,シャムネットワーク,強化学習など,さまざまなアプローチを用いた上位パフォーマンストラッカを選択する。 本研究では, 地上映像と比べ, 航空データセットではトラッカーの性能が著しく悪くなることが示唆された。
  論文  参考訳（メタデータ） (2021-03-24T01:45:19Z)

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。