論文の概要: Layer-Guided UAV Tracking: Enhancing Efficiency and Occlusion Robustness

• arxiv url: http://arxiv.org/abs/2602.13636v1
• Date: Sat, 14 Feb 2026 07:02:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-17 14:17:28.245077
• Title: Layer-Guided UAV Tracking: Enhancing Efficiency and Occlusion Robustness
• Title（参考訳）: 層誘導型UAV追跡:効率向上と排他ロバスト性
• Authors: Yang Zhou, Derui Ding, Ran Sun, Ying Sun, Haohua Zhang,
• Abstract要約: LGTrackは、動的層選択、効率的な機能拡張、堅牢な表現学習を統合する統一されたUAVトラッキングフレームワークである。 3つのデータセットの実験では、LGTrackの最先端のリアルタイム速度(258.7 FPS on UAVDT)が示されている。
• 参考スコア（独自算出の注目度）: 12.719243469290346
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual object tracking (VOT) plays a pivotal role in unmanned aerial vehicle (UAV) applications. Addressing the trade-off between accuracy and efficiency, especially under challenging conditions like unpredictable occlusion, remains a significant challenge. This paper introduces LGTrack, a unified UAV tracking framework that integrates dynamic layer selection, efficient feature enhancement, and robust representation learning for occlusions. By employing a novel lightweight Global-Grouped Coordinate Attention (GGCA) module, LGTrack captures long-range dependencies and global contexts, enhancing feature discriminability with minimal computational overhead. Additionally, a lightweight Similarity-Guided Layer Adaptation (SGLA) module replaces knowledge distillation, achieving an optimal balance between tracking precision and inference efficiency. Experiments on three datasets demonstrate LGTrack's state-of-the-art real-time speed (258.7 FPS on UAVDT) while maintaining competitive tracking accuracy (82.8\% precision). Code is available at https://github.com/XiaoMoc/LGTrack
• Abstract（参考訳）: 視覚的物体追跡(VOT)は無人航空機(UAV)の用途において重要な役割を担っている。 正確性と効率のトレードオフ、特に予測不可能な排除のような困難な条件下で対処することは、依然として大きな課題である。 本稿では,動的層選択,効率的な機能拡張,オクルージョンのための堅牢な表現学習を統合したUAVトラッキングフレームワークであるLGTrackを紹介する。 軽量なGGCA(Global-Grouped Coordinate Attention)モジュールを利用することで、LGTrackは長距離依存関係とグローバルコンテキストをキャプチャし、最小の計算オーバーヘッドで特徴識別性を向上させる。 さらに、軽量なSGLAモジュールは知識蒸留を置き換え、追跡精度と推論効率の最適バランスを達成する。 3つのデータセットの実験では、LGTrackの最先端のリアルタイム速度(UAVDTでは258.7 FPS)を実証し、競合追跡精度(82.8\%精度)を維持している。 コードはhttps://github.com/XiaoMoc/LGTrackで入手できる。

関連論文リスト

• CADTrack: Learning Contextual Aggregation with Deformable Alignment for Robust RGBT Tracking [68.71826342377004]
  RGB-Thermal (RGBT) トラッキングは、堅牢な全天候物体追跡のために可視および熱赤外モードを活用することを目的としている。 既存のRGBTトラッカーはモダリティの相違を解決するのに苦労している。 RGBT追跡のためのCADTrackと呼ばれる,変形可能なアライメントによるコンテキストアグリゲーション(Contextual Aggregation)を提案する。
  論文  参考訳（メタデータ） (2025-11-22T08:10:02Z)
• DARTer: Dynamic Adaptive Representation Tracker for Nighttime UAV Tracking [1.515687944002438]
  夜間UAV追跡は、過度な照明の変動と視点の変化による重大な課題を呈する。 textbfDARTer(textbfDynamic textbfAdaptive textbfRepresentation textbfTracker)は、夜間UAVシナリオ用に設計されたエンドツーエンド追跡フレームワークである。
  論文  参考訳（メタデータ） (2025-05-01T05:24:14Z)
• Learning Occlusion-Robust Vision Transformers for Real-Time UAV Tracking [11.146155422858824]
  Vision Transformer (ViT) バックボーンを用いたシングルストリームアーキテクチャは、リアルタイムUAVトラッキングに大きな可能性を示している。 UAV追跡のためのViTに基づいて,Occlusion-Robust Representation (ORR) の学習を提案する。 また,よりコンパクトなトラッカーを作成するために,適応的特徴量に基づく知識蒸留法(AFKD)を提案する。
  論文  参考訳（メタデータ） (2025-04-12T14:06:50Z)
• Temporal Correlation Meets Embedding: Towards a 2nd Generation of JDE-based Real-Time Multi-Object Tracking [52.04679257903805]
  共同検出・埋め込み(JDE)トラッカーは多目的追跡(MOT)タスクにおいて優れた性能を示した。 TCBTrackという名前のトラッカーは、複数の公開ベンチマークで最先端のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2024-07-19T07:48:45Z)
• Learning Motion Blur Robust Vision Transformers for Real-Time UAV Tracking [14.382072224997074]
  無人航空機(UAV)の追跡は、監視、捜索救助、自律航法といった用途に欠かせない。 UAVとターゲットの高速移動は、リアルタイム処理要求や激しい動きのぼかしなど、ユニークな課題をもたらす。 本稿では,リアルタイムなUAVトラッキングのために,Transformerブロックを動的に終了する適応型計算フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-07T14:10:04Z)
• Exploring Dynamic Transformer for Efficient Object Tracking [58.120191254379854]
  効率的なトラッキングのための動的トランスフォーマーフレームワークであるDyTrackを提案する。 DyTrackは、様々な入力に対して適切な推論ルートを設定することを学習し、利用可能な計算予算をより活用する。 複数のベンチマークの実験では、DyTrackは単一のモデルで有望な速度精度のトレードオフを実現している。
  論文  参考訳（メタデータ） (2024-03-26T12:31:58Z)
• 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)

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。