論文の概要: PlugTrack: Multi-Perceptive Motion Analysis for Adaptive Fusion in Multi-Object Tracking

• arxiv url: http://arxiv.org/abs/2511.13105v1
• Date: Mon, 17 Nov 2025 08:03:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:24.979975
• Title: PlugTrack: Multi-Perceptive Motion Analysis for Adaptive Fusion in Multi-Object Tracking
• Title（参考訳）: PlugTrack: 多物体追跡における適応核融合のためのマルチパーセプティブモーション解析
• Authors: Seungjae Kim, SeungJoon Lee, MyeongAh Cho,
• Abstract要約: マルチパーセプティブな動作理解を通じて、カルマンフィルタとデータ駆動型動作予測器を適応的に融合するフレームワークであるPlugTrackを提案する。 PlugTrackは、既存のモーション予測器を変更することなく、MOT17/MOT20とDanceTrackの最先端のパフォーマンス向上を実現している。
• 参考スコア（独自算出の注目度）: 3.976291254896486
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-object tracking (MOT) predominantly follows the tracking-by-detection paradigm, where Kalman filters serve as the standard motion predictor due to computational efficiency but inherently fail on non-linear motion patterns. Conversely, recent data-driven motion predictors capture complex non-linear dynamics but suffer from limited domain generalization and computational overhead. Through extensive analysis, we reveal that even in datasets dominated by non-linear motion, Kalman filter outperforms data-driven predictors in up to 34\% of cases, demonstrating that real-world tracking scenarios inherently involve both linear and non-linear patterns. To leverage this complementarity, we propose PlugTrack, a novel framework that adaptively fuses Kalman filter and data-driven motion predictors through multi-perceptive motion understanding. Our approach employs multi-perceptive motion analysis to generate adaptive blending factors. PlugTrack achieves significant performance gains on MOT17/MOT20 and state-of-the-art on DanceTrack without modifying existing motion predictors. To the best of our knowledge, PlugTrack is the first framework to bridge classical and modern motion prediction paradigms through adaptive fusion in MOT.
• Abstract（参考訳）: マルチオブジェクト追跡(MOT)は、計算効率のためカルマンフィルタが標準動作予測器として機能するが、本質的に非線形動作パターンでは失敗する、トラッキング・バイ・検出のパラダイムに主に従う。 逆に、最近のデータ駆動モーション予測器は複雑な非線形力学を捉えるが、限られた領域の一般化と計算オーバーヘッドに悩まされる。 広範に分析した結果,非線形運動に支配されるデータセットにおいても,Kalmanフィルタは最大34 %のケースでデータ駆動予測を上回り,実世界の追跡シナリオが本質的に線形パターンと非線形パターンの両方に関係していることが判明した。 この相補性を活用するために,マルチパーセプティブな動作理解を通じて,カルマンフィルタとデータ駆動型動作予測器を適応的に融合する新しいフレームワークであるPlugTrackを提案する。 提案手法では, 適応的なブレンディング因子を生成するために, マルチパーセプティブ・モーション分析を用いる。 PlugTrackは、既存のモーション予測器を変更することなく、MOT17/MOT20とDanceTrackの最先端のパフォーマンス向上を実現している。 我々の知る限りでは、PlugTrackはMOTの適応融合を通じて古典的および近代的な動き予測パラダイムを橋渡しする最初のフレームワークである。

関連論文リスト

• 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)
• MATE: Motion-Augmented Temporal Consistency for Event-based Point Tracking [58.719310295870024]
  本稿では,任意の点を追跡するイベントベースのフレームワークを提案する。 事象の間隔に起因する曖昧さを解決するため、運動誘導モジュールは運動ベクトルを局所的なマッチングプロセスに組み込む。 このメソッドは、任意のポイントベースラインのイベントのみのトラッキングに対して、$Survival_50$メトリックを17.9%改善する。
  論文  参考訳（メタデータ） (2024-12-02T09:13:29Z)
• ETTrack: Enhanced Temporal Motion Predictor for Multi-Object Tracking [4.250337979548885]
  時間的動き予測器であるETTrackを用いた動きに基づくMOT手法を提案する。 具体的には、動作予測器は、変換器モデルと時間畳み込みネットワーク(TCN)を統合して、短期および長期の動作パターンをキャプチャする。 本研究では,DanceTrackとSportsMOTの最先端トラッカーと比較して,ETTrackの競争性能が向上していることを示す。
  論文  参考訳（メタデータ） (2024-05-24T17:51:33Z)
• 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)
• DiffMOT: A Real-time Diffusion-based Multiple Object Tracker with Non-linear Prediction [15.542306419065945]
  我々はDiffMOTというリアルタイム拡散に基づくMOT手法を提案し、複雑な非線形運動に対処する。 MOTトラッカーとして、DiffMOTは22.7FPSでリアルタイムであり、DanceTrackやSportsMOTのデータセットの最先端よりも優れている。
  論文  参考訳（メタデータ） (2024-03-04T14:21:51Z)
• AM-SORT: Adaptable Motion Predictor with Historical Trajectory Embedding for Multi-Object Tracking [26.585985828583304]
  我々は,非線形不確かさを推定するために適応性のある動き予測器AM-SORTを用いた動きに基づくMOT手法を提案する。 AM-SORTは、カルマンフィルタに取って代わるSORTシリーズトラッカーの新たな拡張である。
  論文  参考訳（メタデータ） (2024-01-25T05:09:30Z)
• 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)
• Motion Transformer with Global Intention Localization and Local Movement Refinement [103.75625476231401]
  動き TRansformer (MTR) は、大域的意図の局所化と局所的な動きの洗練の合同最適化として、動き予測をモデル化する。 MTRは、限界運動予測と関節運動予測の両方において最先端の性能を達成する。
  論文  参考訳（メタデータ） (2022-09-27T16:23:14Z)

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。