論文の概要: Seg2Track++: Probabilistic Track Validation and Data Association for Multi-Object Tracking and Segmentation

• arxiv url: http://arxiv.org/abs/2606.03875v1
• Date: Tue, 02 Jun 2026 16:43:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:05.171576
• Title: Seg2Track++: Probabilistic Track Validation and Data Association for Multi-Object Tracking and Segmentation
• Title（参考訳）: Seg2Track++: マルチオブジェクト追跡とセグメンテーションのための確率的トラック検証とデータアソシエーション
• Authors: Diogo Mendonça, Tiago Barros, Cristiano Premebida, Urbano J. Nunes,
• Abstract要約: この作業では、SAM2と新しいトラック管理モジュールとセグメンテーションを統合してゼロショットMOTSを実行するフレームワークであるSeg2Track++を導入する。 KITTI MOTS実験の結果, 精度向上, 偽陽性伝播の低減, 微調整を伴わないロバストトラック管理が得られた。
• 参考スコア（独自算出の注目度）: 3.108551551357326
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous systems require robust Multi-Object Tracking and Segmentation (MOTS) to operate reliably in dynamic environments, ensuring consistent object identities and precise mask-level delineation. Foundation models such as SAM2 have shown strong zero-shot generalization for segmentation, but their direct application to MOTS is limited by unreliable track association and false-positive propagation. This work introduces Seg2Track++, a framework that integrates instance segmentation with SAM2 and a novel track management module to perform zero-shot MOTS with enhanced temporal consistency. Tracks are associated using Mask Centroid Distance (MCD) and Confidence-Aware Cost Modulation (CCM), while Probabilistic Track Validation (PTV) employs a Bernoulli filter to validate track existence and suppress ghost tracks. Experimental results on KITTI MOTS demonstrate improved identity preservation, reduced false-positive propagation, and robust track management without fine-tuning.
• Abstract（参考訳）: 自律システムは、動的環境下で確実に動作し、一貫したオブジェクトのアイデンティティと正確なマスクレベルのデラインを確保するために、堅牢なマルチオブジェクト追跡とセグメンテーション(MOTS)を必要とする。 SAM2のような基礎モデルは、セグメンテーションの強いゼロショット一般化を示しているが、MOTSへの直接適用は、信頼できないトラックアソシエーションと偽陽性の伝播によって制限されている。 この作業では、SAM2と新しいトラック管理モジュールとインスタンスセグメンテーションを統合するフレームワークであるSeg2Track++を導入し、時間的一貫性を向上したゼロショットMOTSを実行する。 トラックはMask Centroid Distance (MCD)とConfidence-Aware Cost Modulation (CCM)で関連付けられ、Probabilistic Track Validation (PTV)はBernoulliフィルタを用いてトラックの存在を検証し、ゴーストトラックを抑える。 KITTI MOTS実験の結果, 精度向上, 偽陽性伝播の低減, 微調整を伴わないロバストトラック管理が得られた。

関連論文リスト

• SAMOFT: Robust Multi-Object Tracking via Region and Flow [42.6206516982406]
  マルチオブジェクトトラッキング(MOT)は、コンピュータビジョンにおける基本的なタスクであり、複数のターゲットを継続的に追跡する必要がある。 既存のアプローチのほとんどは、軌道関連のためのインスタンスレベルのオブジェクト機能に依存しています。 我々は,複雑な動作シナリオ下でのロバスト性向上のために,画素レベルのキューを活用するロバストトラッカーSAMOFTを提案する。
  論文  参考訳（メタデータ） (2026-05-10T08:39:54Z)
• Unified Multimodal Visual Tracking with Dual Mixture-of-Experts [48.73939694967044]
  OneV2は、あらゆるモダリティのエンドツーエンドトレーニングを可能にする統合マルチモーダルトラッキングフレームワークである。 OneV2は5つのRGB+Xトラッキングタスクと12のベンチマークで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-05-05T13:05:50Z)
• 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)
• Seg2Track-SAM2: SAM2-based Multi-object Tracking and Segmentation for Zero-shot Generalization [3.108551551357326]
  Seg2Track-SAM2は、事前訓練されたオブジェクト検出器とSAM2と新しいSeg2Trackモジュールを統合するフレームワークである。 Seg2Track-SAM2は最先端(SOTA)のパフォーマンスを達成し、KITTI MOTSでは車と歩行者の両方で総合4位にランクインした。 結果、Seg2Track-SAM2は、堅牢なゼロショットトラッキング、強化されたアイデンティティ保存、効率的なメモリ利用を組み合わせることで、MOTSの進歩を確認した。
  論文  参考訳（メタデータ） (2025-09-15T10:52:27Z)
• Tracking the Unstable: Appearance-Guided Motion Modeling for Robust Multi-Object Tracking in UAV-Captured Videos [58.156141601478794]
  マルチオブジェクトトラッキング(UAVT)は、ビデオのフレーム間で一貫したアイデンティティを維持しながら、複数のオブジェクトを追跡することを目的としている。 既存の手法は、通常、動作キューと外観を別々にモデル化し、それらの相互作用を見渡して、最適下追跡性能をもたらす。 本稿では、AMC行列とMTCモジュールの2つの主要コンポーネントを通して、外観と動きの手がかりを利用するAMOTを提案する。
  論文  参考訳（メタデータ） (2025-08-03T12:06:47Z)
• CAMELTrack: Context-Aware Multi-cue ExpLoitation for Online Multi-Object Tracking [68.24998698508344]
  CAMELはコンテキスト対応型マルチキューExpLoitationのための新しいアソシエイトモジュールである。 エンド・ツー・エンドの検知・バイ・トラック方式とは異なり,本手法は軽量かつ高速にトレーニングが可能であり,外部のオフ・ザ・シェルフモデルを活用することができる。 提案するオンライントラッキングパイプラインであるCAMELTrackは,複数のトラッキングベンチマークで最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-05-02T13:26:23Z)
• SAM2MOT: A Novel Paradigm of Multi-Object Tracking by Segmentation [11.1906749425206]
  Segment Anything 2 (SAM2)は、セグメンテーションを使った堅牢な単一オブジェクト追跡を可能にする。 本稿では,多目的追跡のための新しいトラッキング・バイ・パラダイムであるSAM2MOTを提案する。 SAM2MOTはセグメンテーションマスクから直接トラッキングボックスを生成し、検出精度への依存を減らす。
  論文  参考訳（メタデータ） (2025-04-06T15:32:08Z)
• Single-Shot and Multi-Shot Feature Learning for Multi-Object Tracking [55.13878429987136]
  そこで本研究では,異なる目標に対して,単発と複数発の特徴を共同で学習するための,シンプルで効果的な2段階特徴学習パラダイムを提案する。 提案手法は,DanceTrackデータセットの最先端性能を達成しつつ,MOT17およびMOT20データセットの大幅な改善を実現している。
  論文  参考訳（メタデータ） (2023-11-17T08:17:49Z)
• Unified Transformer Tracker for Object Tracking [58.65901124158068]
  異なるシナリオにおけるトラッキング問題に1つのパラダイムで対処するために,UTT(Unified Transformer Tracker)を提案する。 SOT(Single Object Tracking)とMOT(Multiple Object Tracking)の両方を対象とするトラックトランスフォーマーを開発した。
  論文  参考訳（メタデータ） (2022-03-29T01:38:49Z)

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。