論文の概要: QueST: Persistent Queries as Semantic Monitors for Drift Suppression in Long-Horizon Tracking

• arxiv url: http://arxiv.org/abs/2605.09513v1
• Date: Sun, 10 May 2026 12:48:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:50.288827
• Title: QueST: Persistent Queries as Semantic Monitors for Drift Suppression in Long-Horizon Tracking
• Title（参考訳）: QueST:長距離トラッキングにおけるドリフト抑制のためのセマンティックモニタとしての永続的クエリ
• Authors: Mayank Anand, Mohammad Saqlain, Kyan Mahajan, Priya Shukla, Gora Chand Nandi, Andrew Melnik,
• Abstract要約: QueSTは、インタラクション関連エンティティを永続的なセマンティッククエリとして扱う、モニタリング・バイ・デザインのフレームワークである。 ローカルなプロパゲーションの代わりに、各クエリは、各ステップ毎のグローバルなオーバータイムビデオ機能に出席する。 QueSTは67.7%の絶対点誤差(APE)を達成するための終端ドリフトを大幅に削減する 以上の結果から, セマンティックモニタリングを直接知覚に組み込むことにより, より信頼性の高い長距離追跡が可能であることが示唆された。
• 参考スコア（独自算出の注目度）: 2.064813317204182
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tracking points in videos is typically formulated as frame-to-frame correspondence, where each point is matched locally to the next frame. While this works over short horizons, errors accumulate under articulation, occlusion, and viewpoint change, leading to silent semantic drift that existing trackers cannot detect or correct. In this work, we revisit long-horizon tracking from a monitoring perspective and introduce QueST, a monitoring-by-design framework that treats interaction-relevant entities as persistent semantic queries rather than transient point tracks. Instead of local propagation, each query attends globally over spatio-temporal video features at every time-step, providing a stable semantic anchor across time. We further constrain query trajectories with lightweight 3D physical grounding, using geometric plausibility to suppress unbounded drift under occlusion. We evaluate QueST on long-horizon articulated sequences from PartNet-Mobility in SAPIEN and compare against RAFT-3D, CoTracker, and TAP-Net. QueST substantially reduces terminal drift achieving a 67.7% Absolute Point Error (APE) improvement over TAP-Net while better preserving identity over extended horizons. Our results show that embedding semantic monitoring directly into perception enables more reliable long-horizon tracking under distribution shift.
• Abstract（参考訳）: ビデオ内のトラッキングポイントは通常、フレーム間対応として定式化され、各ポイントは次のフレームに局所的にマッチする。 これは短い地平線上で機能するが、誤りは調音、閉塞、視点変化の下で蓄積され、既存のトラッカーが検出または修正できない無音なセマンティックドリフトにつながる。 本稿では、モニタリングの観点から長期追跡を再考し、過渡的なポイントトラックではなく、インタラクション関連エンティティを永続的なセマンティッククエリとして扱うモニタリング・バイ・デザインのフレームワークであるQueSTを紹介する。 ローカルなプロパゲーションの代わりに、各クエリは時空間ビデオ機能に対して、各ステップでグローバルに参加し、時間にわたって安定したセマンティックアンカーを提供する。 さらに、幾何学的可視性を用いて、軽量な3次元物理接地による問合せトラジェクトリを制約し、閉塞下での非有界ドリフトを抑制する。 本研究では,SAPIENにおけるPartNet-Mobilityの長軸調音配列についてQueSTを評価し,RAFT-3D,CoTracker,TAP-Netと比較した。 QueSTは終端ドリフトを大幅に低減し、67.7%の絶対点誤差(APE)がTAP-Netよりも改善され、また、水平線上でのアイデンティティの保存性が向上した。 この結果から, セマンティックモニタリングを直接知覚に組み込むことにより, 分布シフト下でのより信頼性の高い長期追跡が可能であることが示唆された。

関連論文リスト

• PCSTracker: Long-Term Scene Flow Estimation for Point Cloud Sequences [20.800932584993706]
  PCSTrackerは、ポイントクラウドシーケンスにおける一貫したシーンフロー推定のために特別に設計されたエンドツーエンドフレームワークである。 PCSTrackerは、長期のシーンフロー推定において最高の精度を達成し、32.5 FPSでリアルタイム性能を維持する。
  論文  参考訳（メタデータ） (2026-03-20T08:45:27Z)
• Look Around and Pay Attention: Multi-camera Point Tracking Reimagined with Transformers [5.025261312338861]
  LAPA(Look Around and Pay Attention)は、マルチカメラポイントトラッキングのための、エンドツーエンドのトランスフォーマーベースのアーキテクチャである。 古典的三角法に頼る代わりに、注意重み付けによる3次元点表現を構築する。 TAPVid-3Dパン光学とPointOdysseyの新しいマルチカメラ(MC)バージョンを含む、挑戦的なデータセットの実験は、我々の統一アプローチが既存の手法を大幅に上回っていることを実証している。
  論文  参考訳（メタデータ） (2025-12-03T19:34:08Z)
• Delving into Dynamic Scene Cue-Consistency for Robust 3D Multi-Object Tracking [16.366398265001422]
  3D多目的追跡は、自動運転分野において重要かつ困難な課題である。 本稿では,この原理を実現するために動的シーンCue-Consistency Tracker(DSC-Track)を提案する。
  論文  参考訳（メタデータ） (2025-08-15T08:48:13Z)
• LEAP-VO: Long-term Effective Any Point Tracking for Visual Odometry [53.5449912019877]
  本稿では,LEAP(Long-term Effective Any Point Tracking)モジュールについて述べる。 LEAPは、動的トラック推定のために、視覚的、トラック間、時間的キューと慎重に選択されたアンカーを革新的に組み合わせている。 これらの特徴に基づき,強靭な視力計測システムLEAP-VOを開発した。
  論文  参考訳（メタデータ） (2024-01-03T18:57:27Z)
• Tracking by Associating Clips [110.08925274049409]
  本稿では,オブジェクト関連をクリップワイドマッチングとして扱う方法を検討する。 我々の新しい視点では、1つの長いビデオシーケンスを複数のショートクリップとみなし、そのトラックはクリップ内とクリップ間の両方で実行される。 この新しい手法の利点は2つある。まず、ビデオチャンキングによって中断フレームをバイパスできるため、エラーの蓄積や伝播の追跡に頑健である。 次に、クリップワイドマッチング中に複数のフレーム情報を集約し、現在のフレームワイドマッチングよりも高精度な長距離トラックアソシエーションを実現する。
  論文  参考訳（メタデータ） (2022-12-20T10:33:17Z)
• Unsupervised Learning of Accurate Siamese Tracking [68.58171095173056]
  分類枝と回帰枝の両方で時間対応を学習できる新しい教師なし追跡フレームワークを提案する。 トラッカーは、トラッカーネットやLaSOTのような大規模データセット上で、教師なしの手法と同等の性能を発揮する。
  論文  参考訳（メタデータ） (2022-04-04T13:39:43Z)
• Learning to Track with Object Permanence [61.36492084090744]
  共同物体の検出と追跡のためのエンドツーエンドのトレーニング可能なアプローチを紹介します。 私たちのモデルは、合成データと実データで共同トレーニングされ、KITTIおよびMOT17データセットの最先端を上回ります。
  論文  参考訳（メタデータ） (2021-03-26T04:43:04Z)

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。