論文の概要: eSkiTB: A Synthetic Event-based Dataset for Tracking Skiers

• arxiv url: http://arxiv.org/abs/2601.06647v1
• Date: Sat, 10 Jan 2026 18:20:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:00.919786
• Title: eSkiTB: A Synthetic Event-based Dataset for Tracking Skiers
• Title（参考訳）: eSkiTB:スキー選手を追跡するための合成イベントベースのデータセット
• Authors: Krishna Vinod, Joseph Raj Vishal, Kaustav Chanda, Prithvi Jai Ramesh, Yezhou Yang, Bharatesh Chakravarthi,
• Abstract要約: 合成イベントベースのスキー追跡データセットであるEvent SkiTBを紹介する。 SDTrackをSTARK(RGB変換器)に対してベンチマークすると、イベントベースのトラッキングは、ブロードキャスト・クラッタに対してかなり耐性があることがわかった。 eSkiTBは、ウィンタースポーツにおけるイベントベースのトラッキングのための、最初の制御された設定を確立している。
• 参考スコア（独自算出の注目度）: 22.299468922396894
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tracking skiers in RGB broadcast footage is challenging due to motion blur, static overlays, and clutter that obscure the fast-moving athlete. Event cameras, with their asynchronous contrast sensing, offer natural robustness to such artifacts, yet a controlled benchmark for winter-sport tracking has been missing. We introduce event SkiTB (eSkiTB), a synthetic event-based ski tracking dataset generated from SkiTB using direct video-to-event conversion without neural interpolation, enabling an iso-informational comparison between RGB and event modalities. Benchmarking SDTrack (spiking transformer) against STARK (RGB transformer), we find that event-based tracking is substantially resilient to broadcast clutter in scenes dominated by static overlays, achieving 0.685 IoU, outperforming RGB by +20.0 points. Across the dataset, SDTrack attains a mean IoU of 0.711, demonstrating that temporal contrast is a reliable cue for tracking ballistic motion in visually congested environments. eSkiTB establishes the first controlled setting for event-based tracking in winter sports and highlights the promise of event cameras for ski tracking. The dataset and code will be released at https://github.com/eventbasedvision/eSkiTB.
• Abstract（参考訳）: RGBの放送映像に写っているスキーヤーの追跡は、動きのぼやけ、静的オーバーレイ、そして速い動きの選手をぼやかす散らかしが原因で難しい。 非同期コントラストセンシングを備えたイベントカメラは、このようなアーティファクトに対して自然な堅牢性を提供するが、ウィンタースポーツトラッキングのための制御されたベンチマークが欠落している。 本稿では,SkiTBから生成されたイベントベーススキー追跡データセットであるイベントSkiTB(eSkiTB)を紹介する。 SDTrack (Spiking transformer) をSTARK (RGB transformer) に対してベンチマークすると、イベントベースのトラッキングは静的オーバーレイが支配するシーンにおけるクラッタのブロードキャストにかなり耐性があり、0.685 IoUを達成し、RGBを+20.0ポイント上回る。 データセット全体にわたって、SDTrackは0.711の平均IoUを達成し、時間的コントラストが視覚的に混雑した環境での弾道運動を追跡するための信頼できるキューであることを示した。 eSkiTBは冬季スポーツにおけるイベントベースのトラッキングのための最初の制御された設定を確立し、スキー追跡のためのイベントカメラの約束を強調している。 データセットとコードはhttps://github.com/eventbasedvision/eSkiTBでリリースされる。

関連論文リスト

• Decoupling Amplitude and Phase Attention in Frequency Domain for RGB-Event based Visual Object Tracking [51.31378940976401]
  既存のRGB-Eventトラッキングアプローチでは、イベントカメラのユニークな利点を完全に活用できない。 本稿では,周波数領域の早期融合を実現する新しい追跡フレームワークを提案する。 FE108, FELT, COESOTなど, 広く使用されている3つのRGB-Event追跡ベンチマークデータセットの実験により, 提案手法の性能と効率を実証した。
  論文  参考訳（メタデータ） (2026-01-03T01:10:17Z)
• SwiTrack: Tri-State Switch for Cross-Modal Object Tracking [74.15663758681849]
  クロスモーダルオブジェクトトラッキング(CMOT)は、ビデオストリームが異なるモード間で切り替える間、ターゲットの一貫性を維持する新しいタスクである。 SwiTrackは3つの特別なストリームを配置することでCMOTを再定義する新しいステートスイッチングフレームワークである。
  論文  参考訳（メタデータ） (2025-11-20T10:52:54Z)
• EventTracer: Fast Path Tracing-based Event Stream Rendering [22.899799024836586]
  EventTracerは、複雑な3Dシーンからの高忠実度イベントシーケンスをシミュレートするパストレースベースのレンダリングパイプラインである。 EventTracerがより優れたシーンの詳細をキャプチャし、実際のイベントデータと他のイベントシミュレータとの類似性を示す2つの下流タスクを示す。
  論文  参考訳（メタデータ） (2025-08-25T14:33:09Z)
• BlinkTrack: Feature Tracking over 80 FPS via Events and Images [50.98675227695814]
  本稿では,イベントデータをグレースケール画像と統合して高周波数特徴追跡を行う新しいフレームワークであるBlinkTrackを提案する。 本手法は,従来のカルマンフィルタを学習ベースのフレームワークに拡張し,イベントおよびイメージの分岐において微分可能なカルマンフィルタを利用する。 実験結果から,BlinkTrackは,マルチモーダリティデータで80FPS,プリプロセッシングイベントデータで100FPS,既存手法ではかなり優れていた。
  論文  参考訳（メタデータ） (2024-09-26T15:54:18Z)
• CRSOT: Cross-Resolution Object Tracking using Unaligned Frame and Event Cameras [43.699819213559515]
  既存のRGB-DVSトラッキング用のデータセットは、DVS346カメラで収集される。 我々は、特別に構築されたデータ取得システムを用いて収集された、最初の不整合フレームイベントデータセットCRSOTを構築した。 ゆるやかなRGBイベントデータを用いても、ロバストなトラッキングを実現することのできる、新しい非整列オブジェクト追跡フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-01-05T14:20:22Z)
• SpikeMOT: Event-based Multi-Object Tracking with Sparse Motion Features [52.213656737672935]
  SpikeMOTはイベントベースのマルチオブジェクトトラッカーである。 SpikeMOTはスパイクニューラルネットワークを使用して、オブジェクトに関連するイベントストリームからスパーステンポラルな特徴を抽出する。
  論文  参考訳（メタデータ） (2023-09-29T05:13:43Z)
• Propagate And Calibrate: Real-time Passive Non-line-of-sight Tracking [84.38335117043907]
  本研究では,リレー壁のみを観察することで,見えない部屋を歩いている人を追跡する純粋受動的手法を提案する。 本研究では,リレー壁の映像の非知覚的変化を発掘するため,時間的局所的な動きの伝達に欠かせない特徴として差分フレームを導入する。 提案手法を評価するため,最初の動的受動NLOS追跡データセットであるNLOS-Trackを構築し,公開する。
  論文  参考訳（メタデータ） (2023-03-21T12:18:57Z)
• SiamEvent: Event-based Object Tracking via Edge-aware Similarity Learning with Siamese Networks [29.612633726042134]
  イベントカメラは、ピクセルごとの強度変化を認識し、非同期イベントストリームを出力する新しいセンサーである。 エッジ認識類似性学習によるSiamseネットワークを用いたイベントベースのオブジェクト追跡フレームワークSiamEventを提案する。 SiamEventは、現実世界のシーンのベースラインよりも最大15%のパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2021-09-28T03:14:24Z)

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。