論文の概要: YUV20K: A Complexity-Driven Benchmark and Trajectory-Aware Alignment Model for Video Camouflaged Object Detection

• arxiv url: http://arxiv.org/abs/2604.09985v1
• Date: Sat, 11 Apr 2026 01:57:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:15.778312
• Title: YUV20K: A Complexity-Driven Benchmark and Trajectory-Aware Alignment Model for Video Camouflaged Object Detection
• Title（参考訳）: YUV20K:ビデオカモフラージュオブジェクト検出のための複雑度駆動ベンチマークと軌道認識アライメントモデル
• Authors: Yiyu Liu, Shuo Ye, Chao Hao, Zitong Yu,
• Abstract要約: 本稿では,YUV20Kという,ピクセルレベルのアノテート複雑性駆動VCODベンチマークを提案する。 MFS(Motion Feature Stabilization)とTAA(Trajectory-Aware Alignment)の2つの重要なモジュールを特徴とする新しいフレームワークを提案する。 本フレームワークは,複雑な時間的シナリオに直面する場合,ドメイン間の一般化とロバスト性に優れる。
• 参考スコア（独自算出の注目度）: 30.226415717379066
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Video Camouflaged Object Detection (VCOD) is currently constrained by the scarcity of challenging benchmarks and the limited robustness of models against erratic motion dynamics. Existing methods often struggle with Motion-Induced Appearance Instability and Temporal Feature Misalignment caused by complex motion scenarios. To address the data bottleneck, we present YUV20K, a pixel-level annoated complexity-driven VCOD benchmark. Comprising 24,295 annotated frames across 91 scenes and 47 kinds of species, it specifically targets challenging scenarios like large-displacement motion, camera motion and other 4 types scenarios. On the methodological front, we propose a novel framework featuring two key modules: Motion Feature Stabilization (MFS) and Trajectory-Aware Alignment (TAA). The MFS module utilizes frame-agnostic Semantic Basis Primitives to stablize features, while the TAA module leverages trajectory-guided deformable sampling to ensure precise temporal alignment. Extensive experiments demonstrate that our method significantly outperforms state-of-the-art competitors on existing datasets and establishes a new baseline on the challenging YUV20K. Notably, our framework exhibits superior cross-domain generalization and robustness when confronting complex spatiotemporal scenarios. Our code and dataset will be available at https://github.com/K1NSA/YUV20K
• Abstract（参考訳）: Video Camouflaged Object Detection (VCOD)は、現在、挑戦的なベンチマークの不足と、不規則な運動力学に対するモデルの堅牢性に制約されている。 既存の手法では、複雑な動きのシナリオによって生じる動きによる外観不安定と時間的特徴の相違にしばしば苦労する。 データボトルネックに対処するため、画素レベルのアノテート複雑性駆動VCODベンチマークであるYUV20Kを提案する。 91のシーンに24,295の注釈付きフレームと47種類のタイプがあり、大きな変位運動、カメラの動き、その他の4種類のシナリオなど、困難なシナリオをターゲットにしている。 本稿では,MFS(Motion Feature Stabilization)とTAA(Trajectory-Aware Alignment)の2つの重要なモジュールを特徴とする新しいフレームワークを提案する。 MFSモジュールはフレーム非依存のSemantic Basis Primitivesを使用して特徴を安定化し、TAAモジュールは軌道誘導型変形可能なサンプリングを活用して正確な時間的アライメントを確保する。 大規模な実験により,本手法は既存のデータセットにおける最先端の競合相手を著しく上回り,挑戦的なYUV20Kの新たなベースラインを確立した。 特に,複雑な時空間シナリオに直面する場合,ドメイン間の一般化やロバスト性に優れる。 私たちのコードとデータセットはhttps://github.com/K1NSA/YUV20Kで公開されます。

関連論文リスト

• Lightweight Multi-Frame Integration for Robust YOLO Object Detection in Videos [11.532574301455854]
  マルチフレームビデオオブジェクト検出のための高効率な手法を提案する。 我々の手法は、特に軽量モデルにおいて堅牢性を改善する。 我々はBOAT360ベンチマークデータセットを寄贈し、現実のシナリオに挑戦するマルチフレームビデオオブジェクト検出における将来の研究を支援する。
  論文  参考訳（メタデータ） (2025-06-25T15:49:07Z)
• VideoMolmo: Spatio-Temporal Grounding Meets Pointing [66.19964563104385]
  VideoMolmoは、ビデオシーケンスのきめ細かいポインティングに適したモデルだ。 新しい仮面融合はSAM2を双方向の点伝播に用いている。 The generalization of VideoMolmo, we introduced VPoMolS-temporal, a challenge out-of-distribution benchmark across two real-world scenarios。
  論文  参考訳（メタデータ） (2025-06-05T17:59:29Z)
• 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)
• SODFormer: Streaming Object Detection with Transformer Using Events and Frames [31.293847706713052]
  DAカメラは、非同期イベントとフレームの相補的な2つのモードをストリーミングする。 本稿では,SODFormerを用いた新しいストリーミングオブジェクト検出手法を提案する。
  論文  参考訳（メタデータ） (2023-08-08T04:53:52Z)
• Implicit Motion Handling for Video Camouflaged Object Detection [60.98467179649398]
  本稿では,新しいビデオカモフラージュオブジェクト検出(VCOD)フレームワークを提案する。 短期的および長期的整合性を利用して、ビデオフレームからカモフラージュされたオブジェクトを検出する。
  論文  参考訳（メタデータ） (2022-03-14T17:55:41Z)

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。