論文の概要: SAM-Deep-EIoU: Selective Mask Propagation for Multi-Object Tracking

• arxiv url: http://arxiv.org/abs/2606.13033v1
• Date: Thu, 11 Jun 2026 08:09:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 15:55:27.663855
• Title: SAM-Deep-EIoU: Selective Mask Propagation for Multi-Object Tracking
• Title（参考訳）: SAM-Deep-EIoU:多対象追跡のための選択マスク伝搬
• Authors: Alexander Holmberg,
• Abstract要約: 本稿では,タスク不確実性信号が発火するウィンドウ上でのみ,ベーストラッカーからVOSモデルにディスパッチするトラッキングアルゴリズムである選択的マスク伝搬を提案する。 この方法はトレーニング不要で、ベーストラッカーとVOSモデルの両方をブラックボックスとして扱い、VOSコンポーネントをより有能なモデルに置き換える利点がある。
• 参考スコア（独自算出の注目度）: 51.56484100374058
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-object tracking has a heavy-tailed difficulty distribution: most frames are easy for a lightweight base tracker, while a small fraction are intrinsically hard. Video object segmentation (VOS) models can often preserve identity through the hard frames where the base tracker fails, but they are much more expensive in compute and memory. We propose selective mask propagation, a tracking algorithm that dispatches from a base tracker to a VOS model only on windows where an assignment-uncertainty signal fires. The base tracker's output is modified only when the VOS model makes a confident prediction that contradicts the base tracker's identity assignment; weak or inconclusive predictions preserve the base output. The method is training-free, treats both the base tracker and the VOS model as black boxes, and can benefit from replacing the VOS component with a more capable model. On DanceTrack, selective mask propagation improves three different base trackers. On SportsMOT, where identity preservation is central to sports analytics, SAM3-Deep-EIoU with global track association achieves state-of-the-art performance on the benchmark with 86.8 HOTA.
• Abstract（参考訳）: 多くのフレームは軽量なベーストラッカーでは容易であるが、小さな部分では本質的に難しい。 ビデオオブジェクトセグメンテーション(VOS)モデルは、ベーストラッカーがフェールするハードフレームを通じてアイデンティティを保持することが多いが、計算とメモリでははるかに高価である。 本稿では,タスク不確実性信号が発火するウィンドウ上でのみ,ベーストラッカーからVOSモデルにディスパッチするトラッキングアルゴリズムである選択的マスク伝搬を提案する。 ベーストラッカーの出力は、VOSモデルがベーストラッカーのアイデンティティ割り当てに矛盾する自信のある予測を行う場合にのみ変更される。 この方法はトレーニング不要で、ベーストラッカーとVOSモデルの両方をブラックボックスとして扱い、VOSコンポーネントをより有能なモデルに置き換える利点がある。 DanceTrackでは、選択的なマスク伝搬が3つの異なるベーストラッカーを改善している。 スポーツ・アナリティクスの中心となるSportsMOTでは、世界トラック協会のSAM3-Deep-EIoUが86.8HOTAのベンチマークで最先端のパフォーマンスを達成した。

関連論文リスト

• BEVTrack: A Simple and Strong Baseline for 3D Single Object Tracking in Bird's-Eye View [54.48052449493636]
  3Dシングルオブジェクトトラッキング(SOT)はコンピュータビジョンの基本課題であり、自律運転のようなアプリケーションにおいて重要な役割を果たす。 BEVTrackは、シンプルだが効果的な動きに基づくトラッキング手法である。 我々は,BEVTrackが200FPSで動作しながら最先端の結果を達成し,リアルタイム適用性を実現していることを示す。
  論文  参考訳（メタデータ） (2023-09-05T12:42:26Z)
• ByteTrack: Multi-Object Tracking by Associating Every Detection Box [51.93588012109943]
  マルチオブジェクトトラッキング(MOT)は、ビデオ内のオブジェクトのバウンディングボックスとIDを推定することを目的としている。 ほとんどの方法は、スコアがしきい値よりも高い検出ボックスを連想させることでアイデンティティを得る。 本稿では,BYTEと呼ばれるシンプルで効果的で汎用的なアソシエーション手法を提案する。
  論文  参考訳（メタデータ） (2021-10-13T17:01:26Z)

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。