論文の概要: Detector-Augmented SAMURAI for Long-Duration Drone Tracking
- arxiv url: http://arxiv.org/abs/2601.04798v1
- Date: Thu, 08 Jan 2026 10:27:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-09 17:01:53.157299
- Title: Detector-Augmented SAMURAI for Long-Duration Drone Tracking
- Title（参考訳）: 長距離ドローン追跡のための検出器強化型佐村井
- Authors: Tamara R. Lenhard, Andreas Weinmann, Hichem Snoussi, Tobias Koch,
- Abstract要約: 都市環境におけるロバストなドローン追跡に対する佐村井の可能性を, 初めて体系的に評価した。
以上の結果から,提案手法は複雑な都市環境におけるロバスト性を大幅に向上させることが示された。
検出器キューを組み込むことで、データセットやメトリクス間でのSAmuraiのゼロショットのパフォーマンスよりも一貫した利得が得られる。
- 参考スコア（独自算出の注目度）: 3.458455260454189
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robust long-term tracking of drone is a critical requirement for modern surveillance systems, given their increasing threat potential. While detector-based approaches typically achieve strong frame-level accuracy, they often suffer from temporal inconsistencies caused by frequent detection dropouts. Despite its practical relevance, research on RGB-based drone tracking is still limited and largely reliant on conventional motion models. Meanwhile, foundation models like SAMURAI have established their effectiveness across other domains, exhibiting strong category-agnostic tracking performance. However, their applicability in drone-specific scenarios has not been investigated yet. Motivated by this gap, we present the first systematic evaluation of SAMURAI's potential for robust drone tracking in urban surveillance settings. Furthermore, we introduce a detector-augmented extension of SAMURAI to mitigate sensitivity to bounding-box initialization and sequence length. Our findings demonstrate that the proposed extension significantly improves robustness in complex urban environments, with pronounced benefits in long-duration sequences - especially under drone exit-re-entry events. The incorporation of detector cues yields consistent gains over SAMURAI's zero-shot performance across datasets and metrics, with success rate improvements of up to +0.393 and FNR reductions of up to -0.475.
- Abstract（参考訳）: ドローンのロバストな長期追跡は、その脅威が増大する中、現代の監視システムにとって重要な要件である。
検出器ベースのアプローチは一般的にフレームレベルの精度が高いが、頻繁に検出されるドロップアウトによって引き起こされる時間的不整合に悩まされることが多い。
実用的関連性にもかかわらず、RGBベースのドローン追跡の研究は依然として限られており、従来のモーションモデルに大きく依存している。
一方、佐村井のような基盤モデルは、他領域にまたがって有効性を確立しており、カテゴリーに依存しない追跡性能が強い。
しかし、ドローン固有のシナリオにおける適用性はまだ調査されていない。
このギャップに触発され,都市部におけるロバストなドローン追跡の可能性を初めて体系的に評価した。
さらに, 境界ボックスの初期化やシーケンス長に対する感度を緩和するために, 佐村井の検出器拡張を導入する。
以上の結果から,提案手法は複雑な都市環境におけるロバスト性を大幅に向上させることが示唆された。
検出器キューの組み入れは、データセットやメトリクス間でのSAmuraiのゼロショット性能よりも一貫して向上し、成功率の改善は+0.393、FNRの最大-0.475まで向上した。
関連論文リスト
- Quantitative Analysis of UAV Intrusion Mitigation for Border Security in 5G with LEO Backhaul Impairments [0.8427427828815586]
無人航空機は重要なインフラと国境警備に新たな脅威をもたらす。
本稿では、地球外・地球外ハイブリッド衛星5Gシステムにおいて、そのような侵入の検知と軽減の遅延を解析する。
論文 参考訳（メタデータ） (2025-10-15T20:13:48Z) - SpectraSentinel: LightWeight Dual-Stream Real-Time Drone Detection, Tracking and Payload Identification [0.0903415485511869]
民間空域でのドローンの拡散は、緊急のセキュリティ上の懸念を引き起こしている。
2025年のVIPカップの課題に対応するため、我々は2ストリームのドローン監視フレームワークを提案する。
我々のアプローチでは、並列赤外(熱)および可視(RGB)データストリーム上に、独立してYou Only Look Once v11-nano (YOLOv11n)オブジェクト検出器をデプロイする。
論文 参考訳（メタデータ） (2025-07-30T13:10:13Z) - Real-Time Bayesian Detection of Drift-Evasive GNSS Spoofing in Reinforcement Learning Based UAV Deconfliction [6.956559003734227]
無人無人航空機(UAV)は、正確なリアルタイムの局地化と航法のためにグローバルナビゲーション衛星システム(GNSS)の擬似距離測定に頼っている。
この依存は、敵がUAV受信機を騙す偽りを操る洗練された偽造脅威にそれらを暴露する。
従来の分布シフト検出技術は、しばしばサンプルのしきい値の蓄積を必要とし、迅速な検出とタイムリーな応答を妨げる遅延を引き起こす。
本研究では,UAVナビゲーションにおける微妙な行動偏差を検出するために,強化学習(RL)批判ネットワークから評価値の時間的変化を監視する,ベイズオンライン変化点検出(BOCPD)アプローチについて検討する。
論文 参考訳（メタデータ） (2025-07-15T10:27:27Z) - NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。
グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。
我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
論文 参考訳（メタデータ） (2025-06-23T14:28:30Z) - Cooperative Search and Track of Rogue Drones using Multiagent Reinforcement Learning [8.775925011558995]
本研究は、機密性の高いインフラ施設をターゲットにしたローグドローンを迎撃する問題を考察する。
ローグドローンを確実に検出・追跡・中和できる総合システムを提案する。
論文 参考訳（メタデータ） (2025-01-07T16:22:51Z) - 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) - RTracker: Recoverable Tracking via PN Tree Structured Memory [71.05904715104411]
本稿では,木構造メモリを用いてトラッカーと検出器を動的に関連付け,自己回復を可能にするRTrackerを提案する。
具体的には,正負と負のターゲットサンプルを時系列に保存し,維持する正負のツリー構造メモリを提案する。
我々の中核となる考え方は、正と負の目標カテゴリーの支持サンプルを用いて、目標損失の信頼性評価のための相対的距離に基づく基準を確立することである。
論文 参考訳（メタデータ） (2024-03-28T08:54:40Z) - Track Boosting and Synthetic Data Aided Drone Detection [0.0]
本手法は, YOLOv5モデルを実データおよび合成データで微調整することにより, ドローン検出問題にアプローチする。
以上の結果から,合成データの最適なサブセットで実データを増やすことで,性能が向上する可能性が示唆された。
論文 参考訳（メタデータ） (2021-11-24T10:16:27Z) - Detecting Invisible People [58.49425715635312]
我々は,追跡ベンチマークを再利用し,目立たない物体を検出するための新しい指標を提案する。
私たちは、現在の検出および追跡システムがこのタスクで劇的に悪化することを実証します。
第2に,最先端の単眼深度推定ネットワークによる観測結果を用いて,3次元で明示的に推論する動的モデルを構築した。
論文 参考訳（メタデータ） (2020-12-15T16:54:45Z) - Robust Tracking against Adversarial Attacks [69.59717023941126]
まず,ビデオシーケンス上に敵の例を生成して,敵の攻撃に対するロバスト性を改善する。
提案手法を最先端のディープトラッキングアルゴリズムに適用する。
論文 参考訳（メタデータ） (2020-07-20T08:05:55Z)
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。