論文の概要: TAE: Target-aware enhancer for nighttime UAV tracking

• arxiv url: http://arxiv.org/abs/2605.29558v1
• Date: Thu, 28 May 2026 08:11:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:56.051397
• Title: TAE: Target-aware enhancer for nighttime UAV tracking
• Title（参考訳）: TAE:夜間UAV追跡のための目標認識エンハンサー
• Authors: Yanyan Chen, Ruigang Fu, Yu Song, Ping Zhong,
• Abstract要約: 夜間物体追跡に適した低照度化フレームワークTAEを提案する。 TAEは、バウンディングボックスの追跡からの弱い監視信号によって明示的にガイドされ、ターゲット領域にオペレーションが集中することを保証するために、リージョンアウェアの強化を行う。 また、夜間UAV追跡のための新しいベンチマークであるDarkSOTも提供します。
• 参考スコア（独自算出の注目度）: 13.707795153228732
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Severe image degradation under low-light nighttime conditions constitutes a core bottleneck preventing all-day applications for UAV-based single object tracking. Existing image enhancement methods often struggle to distinguish between target and background regions, which can easily lead to amplified background noise or compromise target features. To overcome this limitation, we propose TAE, a target-aware low-light enhancement framework tailored for nighttime object tracking. Guided explicitly by weak supervisory signals from tracking bounding boxes, the framework performs region-aware enhancement to ensure operations focus on the target area. It further adopts an adaptive RGB multi-curve fusion mechanism to achieve refined modeling and adaptive adjustment across different regions. To facilitate research in this domain, we also contribute DarkSOT, a new benchmark for nighttime UAV tracking, comprising 268 sequences across 9 target categories. Experimental results on the DarkSOT and UAVDark135 demonstrate that TAE significantly improves tracking performance in low-light nighttime scenarios, exhibiting strong robustness and generalization. The DarkSOT dataset is available at https://github.com/Fu0511/DarkSOT-Dataset.
• Abstract（参考訳）: 低照度夜間条件下での高精度な画像劣化は、UAVベースの単一物体追跡の日中適用を防ぐためのコアボトルネックとなる。 既存の画像強調手法は、しばしばターゲット領域と背景領域の区別に苦慮し、背景ノイズの増幅や目標特徴の妥協につながる。 この制限を克服するために,夜間物体追跡に適した目標対応低照度拡張フレームワークTAEを提案する。 このフレームワークは、バウンディングボックスの追跡からの弱い監視信号によって明示的にガイドされ、ターゲット領域にオペレーションが集中することを保証するために、リージョン認識の強化を行う。 さらに、適応的なRGBマルチカーブ融合機構を採用し、様々な領域にわたる洗練されたモデリングと適応調整を実現する。 この領域の研究を容易にするために、夜間UAV追跡のための新しいベンチマークであるDarkSOTも提供します。 DarkSOTとUAVDark135の実験結果から、TAEは夜間の低照度シナリオにおける追跡性能を著しく改善し、強い堅牢性と一般化を示した。 DarkSOTデータセットはhttps://github.com/Fu0511/DarkSOT-Datasetで公開されている。

関連論文リスト

• 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)
• CRTrack: Low-Light Semi-Supervised Multi-object Tracking Based on Consistency Regularization [9.878424965835883]
  CRTrack という一貫性正規化に基づく半教師付き多目的追跡手法を提案する。 まず、静的IoUベースの戦略を置き換えるために、一貫した適応型サンプリング割り当てを校正する。 そこで, 適応型半教師付きネットワーク更新手法を設計し, 非注釈データを効果的に活用し, モデル性能を向上させる。
  論文  参考訳（メタデータ） (2025-02-24T03:35:38Z)
• Exploring Reliable Matching with Phase Enhancement for Night-time Semantic Segmentation [58.180226179087086]
  夜間セマンティックセマンティックセグメンテーションに適した新しいエンドツーエンド最適化手法であるNightFormerを提案する。 具体的には,画素レベルのテクスチャ・エンハンスメント・モジュールを設計し,フェーズ・エンハンスメントとアンプリメント・アテンションとともに階層的にテクスチャ・アウェア機能を取得する。 提案手法は、最先端の夜間セマンティックセグメンテーション手法に対して好意的に機能する。
  論文  参考訳（メタデータ） (2024-08-25T13:59:31Z)
• DCPT: Darkness Clue-Prompted Tracking in Nighttime UAVs [53.64523622330297]
  既存の夜間無人航空機(UAV)トラッカーは"Enhance-then-Track"アーキテクチャに従っている。 この分離された拡張と追跡は、エンドツーエンドのトレーニング可能な視覚システムを構築するのに失敗する。 本研究では,夜間の強靭なUAV追跡を効率よく学習し,暗黒手がかりを生成できるDarkness Clue-Prompted Tracking (DCPT)を提案する。
  論文  参考訳（メタデータ） (2023-09-19T09:59:08Z)
• Tracker Meets Night: A Transformer Enhancer for UAV Tracking [20.74868878876137]
  空間チャネルトランスを用いた低照度エンハンサが提案され, 追従手法に先立って接続される。 高レベルタスクを対象としたセマンティックレベルの低照度化を実現するために,新しい空間チャネルアテンションモジュールを提案する。 エンハンスメント工程では、SCTは夜間画像を同時にデノイズし、照明する。
  論文  参考訳（メタデータ） (2023-03-20T09:18:52Z)
• AVisT: A Benchmark for Visual Object Tracking in Adverse Visibility [125.77396380698639]
  AVisTは、視認性の悪いさまざまなシナリオにおける視覚的トラッキングのためのベンチマークである。 AVisTは、80kの注釈付きフレームを持つ120の挑戦的なシーケンスで構成されており、18の多様なシナリオにまたがっている。 我々は、属性間でのトラッキング性能を詳細に分析し、AVisTで17の人気のトラッカーと最近のトラッカーをベンチマークした。
  論文  参考訳（メタデータ） (2022-08-14T17:49:37Z)
• Unsupervised Domain Adaptation for Nighttime Aerial Tracking [27.595253191781904]
  本研究は、夜間航空追跡のための新しい教師なしドメイン適応フレームワークを開発する。 ユニークなオブジェクト発見アプローチが提供され、生の夜間追跡ビデオからトレーニングパッチを生成する。 Transformerの昼夜の特徴判別器では、昼夜追跡モデルは夜間追跡のために逆向きに訓練される。
  論文  参考訳（メタデータ） (2022-03-20T12:35:09Z)

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。