論文の概要: FEMOT: Multi-Object Tracking using Frame and Event Cameras

• arxiv url: http://arxiv.org/abs/2606.14094v1
• Date: Fri, 12 Jun 2026 04:17:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.744273
• Title: FEMOT: Multi-Object Tracking using Frame and Event Cameras
• Title（参考訳）: FEMOT:フレームとイベントカメラを用いたマルチオブジェクトトラッキング
• Authors: Shiao Wang, Xiao Wang, Chao Wang, Yitao Li, Menghao Liu, Bo Jiang, Yaowei Wang, Yonghong Tian, Jin Tang,
• Abstract要約: バイオインスパイアされたイベントカメラは、高時間分解能と高ダイナミックレンジを提供し、極端なシナリオ下で補完的な手がかりを提供する。 FEMOTは、さまざまな現実シナリオと14の課題属性をカバーした、大規模でRGBのマルチオブジェクト追跡データセットである。 FEMOTRは、RGBとイベント機能を分離し、周波数領域でそれらを融合するマルチモーダルトラッキングフレームワークである。
• 参考スコア（独自算出の注目度）: 57.75021868843091
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conventional RGB cameras have been widely used in multi-object tracking due to their ability to capture rich appearance and semantic information. However, their performance is often degraded under complex real-world challenges, such as motion blur, low illumination, and overexposure. Bio-inspired event cameras offer high temporal resolution and high dynamic range, providing complementary cues under extreme scenarios. Nevertheless, RGB-event multi-object tracking remains underexplored due to the lack of large-scale and well-annotated datasets. To address this issue, we propose FEMOT, a large-scale RGB-event multi-object tracking dataset that covers diverse real-world scenarios and 14 challenging attributes. With both RGB and event data as well as high-quality annotations, FEMOT provides a reliable platform for systematically evaluating RGB-event multi-object tracking methods. Based on FEMOT, we retrain and evaluate over ten strong trackers, thereby establishing a comprehensive benchmark for future research. Furthermore, we propose FEMOTR, a multimodal tracking framework that decouples RGB and event features and fuses them in the frequency domain, thereby effectively exploiting their complementary characteristics for robust object localization and identity association. Extensive experiments on FEMOT and DSEC-MOT datasets demonstrate the effectiveness of the proposed method. The source code and benchmark dataset have been released on https://github.com/Event-AHU/FEMOT.
• Abstract（参考訳）: 従来のRGBカメラは、リッチな外観とセマンティック情報をキャプチャできるため、多目的追跡に広く利用されている。 しかし、それらの性能は、運動のぼやけ、照明の低さ、露出過剰など、複雑な現実世界の課題によって劣化することが多い。 バイオインスパイアされたイベントカメラは、高時間分解能と高ダイナミックレンジを提供し、極端なシナリオ下で補完的な手がかりを提供する。 それでも、大規模で注釈の付いたデータセットが不足しているため、RGB-eventのマルチオブジェクト追跡は未探索のままである。 この問題に対処するために、FEMOTを提案する。FEMOTは大規模でRGBのマルチオブジェクト追跡データセットで、さまざまな現実シナリオと14の挑戦的な属性をカバーしている。 RGBデータとイベントデータの両方と高品質なアノテーションにより、FEMOTはRGBのマルチオブジェクト追跡手法を体系的に評価するための信頼性の高いプラットフォームを提供する。 FEMOTに基づいて、10以上の強力なトラッカーを再訓練し、評価し、将来の研究のための総合的なベンチマークを確立する。 さらに,RGB とイベント特徴を分離して周波数領域に融合するマルチモーダルトラッキングフレームワーク FEMOTR を提案する。 FEMOTとDSEC-MOTデータセットの大規模な実験により,提案手法の有効性が示された。 ソースコードとベンチマークデータセットはhttps://github.com/Event-AHU/FEMOTでリリースされた。

関連論文リスト

• Decoupling Amplitude and Phase Attention in Frequency Domain for RGB-Event based Visual Object Tracking [51.31378940976401]
  既存のRGB-Eventトラッキングアプローチでは、イベントカメラのユニークな利点を完全に活用できない。 本稿では,周波数領域の早期融合を実現する新しい追跡フレームワークを提案する。 FE108, FELT, COESOTなど, 広く使用されている3つのRGB-Event追跡ベンチマークデータセットの実験により, 提案手法の性能と効率を実証した。
  論文  参考訳（メタデータ） (2026-01-03T01:10:17Z)
• MSITrack: A Challenging Benchmark for Multispectral Single Object Tracking [28.794206918661818]
  MSITrackは、これまでで最大かつ最も多様なマルチスペクトル単一オブジェクト追跡データセットである。 55のカテゴリーと300の異なる自然のシーンがある。 MSITrackは、RGBのみのベースラインよりもパフォーマンスが大幅に向上する。
  論文  参考訳（メタデータ） (2025-10-08T03:56:36Z)
• Multi-modal Multi-platform Person Re-Identification: Benchmark and Method [58.59888754340054]
  MP-ReIDは、マルチモダリティとマルチプラットフォームReIDに特化した新しいデータセットである。 このベンチマークは、RGB、赤外線、サーマルイメージングなど、さまざまなモードで1,930のIDからデータをコンパイルする。 クロスモダリティとクロスプラットフォームシナリオに適した,特定設計のプロンプトを備えたフレームワークであるUni-Prompt ReIDを紹介する。
  論文  参考訳（メタデータ） (2025-03-21T12:27:49Z)
• TENet: Targetness Entanglement Incorporating with Multi-Scale Pooling and Mutually-Guided Fusion for RGB-E Object Tracking [30.89375068036783]
  既存のアプローチでは、従来の外観モデルを用いて、RGB-E追跡のためのイベント特徴抽出を行う。 本稿では,イベントデータ固有の特徴を認識可能な高品質な特徴表現を実現するために,イベントバックボーン(Pooler)を提案する。 提案手法は,2つの広く使用されているRGB-E追跡データセットにおいて,最先端トラッカーを著しく上回っている。
  論文  参考訳（メタデータ） (2024-05-08T12:19:08Z)
• SpikeMOT: Event-based Multi-Object Tracking with Sparse Motion Features [52.213656737672935]
  SpikeMOTはイベントベースのマルチオブジェクトトラッカーである。 SpikeMOTはスパイクニューラルネットワークを使用して、オブジェクトに関連するイベントストリームからスパーステンポラルな特徴を抽出する。
  論文  参考訳（メタデータ） (2023-09-29T05:13:43Z)
• Visible-Thermal UAV Tracking: A Large-Scale Benchmark and New Baseline [80.13652104204691]
  本稿では,可視熱UAV追跡(VTUAV)のための高多様性の大規模ベンチマークを構築する。 本稿では, フレームレベルの属性を, チャレンジ固有のトラッカーの可能性を利用するための粗粒度属性アノテーションを提案する。 さらに,様々なレベルでRGB-Tデータを融合するHMFT(Hierarchical Multi-modal Fusion Tracker)という新しいRGB-Tベースラインを設計する。
  論文  参考訳（メタデータ） (2022-04-08T15:22:33Z)
• Multi-domain Collaborative Feature Representation for Robust Visual Object Tracking [32.760681454334765]
  本稿では,フレームドメインとイベントドメインの相補的特徴を効果的に表現し,活用することに焦点を当てる。 2つのドメインの特徴を学習するために、スパイキングニューラルネットワークに基づくイベントのためのユニークなエクストラクタ(UEE)を利用する。 標準RGBベンチマークと実イベント追跡データセットの実験は、提案手法の有効性を実証している。
  論文  参考訳（メタデータ） (2021-08-10T09:01:42Z)

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。