論文の概要: CylindTrack: Depth-Aware Cylindrical Motion Modeling for Panoramic Multi-Object Tracking

• arxiv url: http://arxiv.org/abs/2606.30097v1
• Date: Mon, 29 Jun 2026 10:32:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:16.179964
• Title: CylindTrack: Depth-Aware Cylindrical Motion Modeling for Panoramic Multi-Object Tracking
• Title（参考訳）: CylindTrack:パノラマ多物体追跡のための深度対応円筒運動モデリング
• Abstract要約: マルチオブジェクト追跡(MOT)は、知覚を具現化するコア機能である。 パノラマカメラは360度視野で視界を減らし 周囲の標的を長期間観察できる CylindTrackはパノラマMOTのための深さ認識型円筒追跡フレームワークである。
• 参考スコア（独自算出の注目度）: 20.709779731310103
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-Object Tracking (MOT) is a core capability for embodied perception, and panoramic cameras are attractive for embodied systems because their 360° field of view reduces blind spots and keeps surrounding targets observable for longer durations. However, panoramic MOT is not a straightforward extension of perspective MOT. In equirectangular panoramic videos, the horizontal image domain is periodic rather than Euclidean, which breaks planar motion assumptions and makes IoU-based association unreliable near the 0°/360° seam. Meanwhile, large-FoV scenes often contain more objects, stronger scale variation, and more frequent interactions, making online association particularly sensitive to unstable frame-wise depth cues. To address these issues, we propose CylindTrack, a depth-aware cylindrical tracking-by-detection framework for panoramic MOT. CylindTrack first introduces Depth-Temporal Trajectory Modeling (DTM), which promotes instance depth from an isolated frame-wise cue to a temporally filtered trajectory-level state. To improve the reliability of depth observations, we further develop Spherical Spatio-Temporal Consistency Learning (SSTC), which combines a Temporal Mixer and Spherical Geometry-aware Attention to enhance temporal coherence and panoramic geometric alignment in depth-aware representations. Finally, we design a Topology-Aware Cylindrical Motion Model (TCMM) that lifts horizontal motion into a continuous angular state space and performs seam-consistent motion prediction and association in the periodic panoramic domain. By jointly modeling trajectory-level depth consistency and panoramic topology, CylindTrack improves identity preservation and trajectory continuity in challenging panoramic scenes. The source code will be released at https://github.com/warriordby/CylindTrack.
• Abstract（参考訳）: マルチオブジェクトトラッキング(MOT)は、知覚を具現化するためのコア機能であり、パノラマカメラは、360度視野が盲点を減らし、周囲の標的を長期間観察できるため、エンボディシステムにとって魅力的である。 しかし、パノラマMOTは視点MOTの直接的な拡張ではない。 等角パノラマビデオでは、水平画像領域はユークリッドではなく周期的であり、平面運動の仮定を破り、IoUをベースとしたアソシエーションは0°/360°シーム付近では信頼できない。 一方、大規模なFoVシーンには、より多くのオブジェクト、より強力なスケール変動、より頻繁なインタラクションが含まれており、オンラインアソシエーションは不安定なフレームの奥行きに特に敏感である。 これらの問題に対処するために,パノラマMOTのための深さ認識型円筒型追跡検出フレームワークCylindTrackを提案する。 CylindTrackは最初、DTM(Depth-Temporal Trajectory Modeling)を導入した。 深度観測の信頼性を向上させるため,時空間ミキサと球面幾何認識アテンションを組み合わせた球面時空間整合学習(SSTC)を開発し,時間的コヒーレンスとパノラマ的幾何アライメントを深度認識表現で強化する。 最後に,水平運動を連続した角状状態空間に引き上げ,周期的なパノラマ領域におけるシーム一貫性のある動き予測と関連付けを行うトポロジー対応円筒運動モデル(TCMM)を設計する。 軌道レベルの深さ一貫性とパノラマトポロジーを共同でモデル化することにより、CylindTrackは、挑戦的なパノラマシーンにおけるアイデンティティの保存と軌跡連続性を改善する。 ソースコードはhttps://github.com/warriordby/CylindTrack.comで公開される。

関連論文リスト

• MVTrack4Gen: Multi-View Point Tracking as Geometric Supervision for 4D Video Generation [50.65653874052261]
  MVTrack4Genは、カメラコンディショニングのみの新規ビュービデオ拡散モデルのためのモーションアウェアトレーニングフレームワークである。 我々の重要な発見は、特定の注意層が強い対応の手がかりを符号化することであり、そこでは、クエリ機能は幾何学的に対応する場所で重要な特徴に付随する。 これらの動き認識対応を明示的に強化することにより、MVTrack4Genは既存のモデルを改善し、参照ビューにおける動きをより良く追従し、クロスビューの幾何的一貫性を維持する。
  論文  参考訳（メタデータ） (2026-06-24T17:56:33Z)
• S3KF: Spherical State-Space Kalman Filtering for Panoramic 3D Multi-Object Tracking [24.79542959759503]
  パノラマ多対象追跡は、産業安全監視、広域ロボット認識、大規模ワークスペースにおけるインフラストラクチャライト展開において重要である。 既存の画像平面トラッカーは、カメラ投影に強く結合され、パノラマ画像では信頼性が低い。 回転する電動LiDARとクワッドフィッシュカメラリグをベースとしたパノラマ3次元多物体追跡フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-29T06:01:29Z)
• OccTrack360: 4D Panoptic Occupancy Tracking from Surround-View Fisheye Cameras [25.151688173881453]
  OccTrack360は、サラウンドビューの魚眼カメラから4Dパノプティクスの占有状況を追跡するための新しいベンチマークである。 OccTrack360は、以前のベンチマークよりもかなり長く、より多様なシーケンス(1742234フレーム)を提供する。 また,魚眼占領追跡における2つの課題に対処するフレームワークであるSphere Occを提案する。
  論文  参考訳（メタデータ） (2026-03-09T15:55:26Z)
• Geometry-Aware Rotary Position Embedding for Consistent Video World Model [48.914346802616414]
  ViewRopeは、ビデオトランスフォーマーの自己アテンション層に直接カメラの方向を注入するジオメトリ対応のエンコーディングである。 Geometry-Aware Frame-Sparse Attentionは、これらの幾何学的手がかりを利用して、関連する歴史的なフレームに選択的に参加する。 この結果から,ViewRopeは長期的整合性を大幅に向上し,計算コストを低減できることがわかった。
  論文  参考訳（メタデータ） (2026-02-08T08:01:16Z)
• GRASPTrack: Geometry-Reasoned Association via Segmentation and Projection for Multi-Object Tracking [11.436294975354556]
  GRASPTrackはモノクロ深度推定とインスタンスセグメンテーションを標準TBDパイプラインに統合する新しいMOTフレームワークである。 これらの3D点雲は、精密で堅牢なVoxel-based 3D Intersection-over-Unionを可能にするために酸化される。
  論文  参考訳（メタデータ） (2025-08-11T15:56:21Z)
• SpatialTrackerV2: 3D Point Tracking Made Easy [73.0350898700048]
  SpaceTrackerV2はモノクロビデオのフィードフォワード3Dポイントトラッキング手法である。 これは、世界空間の3Dモーションをシーン幾何学、カメラエゴモーション、ピクセルワイドオブジェクトモーションに分解する。 このような異種データから幾何学と運動を共同で学習することで、SpatialTrackerV2は既存の3Dトラッキング方法よりも30%優れています。
  論文  参考訳（メタデータ） (2025-07-16T17:59:03Z)
• DATAP-SfM: Dynamic-Aware Tracking Any Point for Robust Structure from Motion in the Wild [85.03973683867797]
  本稿では,スムーズなカメラ軌跡を推定し,野生のカジュアルビデオのための高密度点雲を得るための,簡潔でエレガントでロバストなパイプラインを提案する。 提案手法は,複雑な動的課題シーンにおいても,カメラポーズ推定による最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-11-20T13:01:16Z)
• 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)
• Learning Monocular Depth in Dynamic Environment via Context-aware Temporal Attention [9.837958401514141]
  マルチフレーム単眼深度推定のためのコンテキスト対応テンポラルアテンション誘導ネットワークであるCTA-Depthを提案する。 提案手法は,3つのベンチマークデータセットに対する最先端アプローチよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2023-05-12T11:48:32Z)
• TANDEM: Tracking and Dense Mapping in Real-time using Deep Multi-view Stereo [55.30992853477754]
  本稿では,リアルタイムな単分子追跡と高密度フレームワークであるTANDEMを紹介する。 ポーズ推定のために、TANDEMはアライメントのスライディングウィンドウに基づいて光度バンドル調整を行う。 TANDEMは最先端のリアルタイム3D再構成性能を示す。
  論文  参考訳（メタデータ） (2021-11-14T19:01:02Z)

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。