論文の概要: Multi-view Crowd Tracking Transformer with View-Ground Interactions Under Large Real-World Scenes

• arxiv url: http://arxiv.org/abs/2604.19318v1
• Date: Tue, 21 Apr 2026 10:26:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-22 22:41:49.723576
• Title: Multi-view Crowd Tracking Transformer with View-Ground Interactions Under Large Real-World Scenes
• Title（参考訳）: 大規模実環境下での球体相互作用を考慮した多視点群集追従変圧器
• Authors: Qi Zhang, Jixuan Chen, Kaiyi Zhang, Xinquan Yu, Antoni B. Chan, Hui Huang,
• Abstract要約: 多視点の群集追跡は、各人の追跡軌跡を現場の地上で推定する。 最近の研究は主にCNNによる多視点群集追跡アーキテクチャに依存している。 マルチビュートラッキング性能を向上させるために,カメラビューと地上平面の相互作用を取り入れたトランスフォーマーベースのマルチビュー群追跡モデルであるtextitMVTrackTrans を提案する。
• 参考スコア（独自算出の注目度）: 48.537990488697965
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Multi-view crowd tracking estimates each person's tracking trajectories on the ground of the scene. Recent research works mainly rely on CNNs-based multi-view crowd tracking architectures, and most of them are evaluated and compared on relatively small datasets, such as Wildtrack and MultiviewX. Since these two datasets are collected in small scenes and only contain tens of frames in the evaluation stage, it is difficult for the current methods to be applied to real-world applications where scene size and occlusion are more complicated. In this paper, we propose a Transformer-based multi-view crowd tracking model, \textit{MVTrackTrans}, which adopts interactions between camera views and the ground plane for enhanced multi-view tracking performance. Besides, for better evaluation, we collect and label two large real-world multi-view tracking datasets, MVCrowdTrack and CityTrack, which contain a much larger scene size over a longer time period. Compared with existing methods on the two large and new datasets, the proposed MVTrackTrans model achieves better performance, demonstrating the advantages of the model design in dealing with large scenes. We believe the proposed datasets and model will push the frontiers of the task to more practical scenarios, and the datasets and code are available at: https://github.com/zqyq/MVTrackTrans.
• Abstract（参考訳）: 多視点の群集追跡は、各人の追跡軌跡を現場の地上で推定する。 最近の研究は主にCNNベースの多視点群集追跡アーキテクチャに依存しており、そのほとんどがWildtrackやMultiviewXのような比較的小さなデータセットで評価・比較されている。 これらの2つのデータセットは、小さなシーンで収集され、評価段階では数十フレームしか含まないため、シーンサイズと閉塞がより複雑である現実のアプリケーションに適用することは困難である。 本稿では,トランスフォーマーを用いた多視点群追跡モデルである \textit{MVTrackTrans} を提案する。 さらに,より優れた評価のために,MVCrowdTrackとCityTrackという2つの大規模な実世界のマルチビュー追跡データセットを収集し,ラベル付けする。 2つの大きなデータセットと新しいデータセットの既存の手法と比較して、提案されたMVTrackTransモデルは、大きなシーンを扱う際のモデル設計の利点を実証し、より良いパフォーマンスを実現する。 提案されたデータセットとモデルは、タスクのフロンティアをより現実的なシナリオへと押し上げ、データセットとコードは以下の通りである。

関連論文リスト

• MV-TAP: Tracking Any Point in Multi-View Videos [34.91357343992975]
  MV-TAPは、クロスビュー情報を活用することで、ダイナミックシーンのマルチビュービデオのポイントを追跡する、新しいポイントトラッカーである。 このタスクを支援するために,マルチビュートラッキングに適した大規模総合学習データセットと実世界評価セットを構築した。
  論文  参考訳（メタデータ） (2025-12-01T18:59:01Z)
• Multi-View 3D Point Tracking [67.21282192436031]
  本稿では,複数のカメラビューを用いた動的シーンにおける任意の点の追跡を目的とした,データ駆動型マルチビュー3Dポイントトラッカーについて紹介する。 本モデルでは,現実的な数のカメラを用いて直接3次元対応を推定する。 我々は5K合成多視点Kubricシーケンスをトレーニングし、2つの実世界のベンチマークで評価する。
  論文  参考訳（メタデータ） (2025-08-28T17:58:20Z)
• CrowdTrack: A Benchmark for Difficult Multiple Pedestrian Tracking in Real Scenarios [41.96441237870711]
  本稿では,主に1対1の視点から撮影されたマルチペデストリアン追跡のための大規模データセットを提案する。 私たちのデータセットは33本のビデオで構成されており、合計5,185本の軌跡が含まれている。 このデータセットは、複雑な状況で有効なアルゴリズムの開発を容易にするプラットフォームを提供する。
  論文  参考訳（メタデータ） (2025-07-03T09:36:44Z)
• MITracker: Multi-View Integration for Visual Object Tracking [15.713725317019321]
  我々は,マルチビューオブジェクトを効率的に統合する新しいMVOT手法であるMulti-View Integration Tracker(MITracker)を開発した。 MITrackerは任意の視点から任意の長さのビデオフレーム内の任意のオブジェクトを追跡することができる。 MITrackerはMVTrackとGMTDデータセットの既存のメソッドを上回り、最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-02-27T14:03:28Z)
• DIVOTrack: A Novel Dataset and Baseline Method for Cross-View Multi-Object Tracking in DIVerse Open Scenes [74.64897845999677]
  歩行者が密集したDIVerse Openのシーンを対象とした,新しいクロスビュー多目的追跡データセットを提案する。 私たちのDIVOTrackには15の異なるシナリオと953のクロスビュートラックがあります。 さらに,クロスモット(CrossMOT)という統合型共同検出・クロスビュートラッキングフレームワークを用いた新しいベースラインクロスビュートラッキング手法を提案する。
  論文  参考訳（メタデータ） (2023-02-15T14:10:42Z)
• Multiview Detection with Feature Perspective Transformation [59.34619548026885]
  本稿では,新しいマルチビュー検出システムMVDetを提案する。 我々は,平面上に特徴写像を投影することで,多視点情報を集約するアンカーフリーアプローチを採っている。 私たちのモデル全体がエンドツーエンドで学習可能で、標準のWildtrackデータセットで88.2%のMODAを実現しています。
  論文  参考訳（メタデータ） (2020-07-14T17:58:30Z)
• TAO: A Large-Scale Benchmark for Tracking Any Object [95.87310116010185]
  オブジェクトのデータセットの追跡は2,907本の高解像度ビデオで構成され、平均で30分の長さの多様な環境でキャプチャされる。 ビデオの任意の時点で移動するオブジェクトにアノテータにラベルを付け、ファクトラムの後に名前を付けるように求めます。 我々の語彙は、既存の追跡データセットと著しく大きく、質的に異なる。
  論文  参考訳（メタデータ） (2020-05-20T21:07:28Z)

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。