論文の概要: PS-MOT: Cultivating Instance Awareness from Point Seeds for Multi-Object Tracking
- arxiv url: http://arxiv.org/abs/2606.30476v1
- Date: Mon, 29 Jun 2026 15:36:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:16.317771
- Title: PS-MOT: Cultivating Instance Awareness from Point Seeds for Multi-Object Tracking
- Title（参考訳）: PS-MOT:多目的追跡のためのポイントシードからのインスタンス認識の育成
- Abstract要約: 本稿では,従来のバウンディングボックス管理に代わる費用対効果として,PS-MOT(Point-supervised Multi-Object Tracking)を導入する。
PS-Trackは多様なトラッキングシナリオにまたがって、実現可能で効果的なポイント管理の代替手段を提供する。
- 参考スコア（独自算出の注目度）: 33.76342104593764
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce Point-supervised Multi-Object Tracking (PS-MOT) as a cost-effective alternative to traditional bounding box supervision, shifting the focus from spatial fitting to topological center-driven representation. However, PS-MOT faces challenges, e.g., spatial ambiguity and identity drift due to the lack of explicit geometric structure and scale constraints. To address these, we propose PS-Track, a hierarchical pipeline transitioning from points to instances across data, model, and loss levels. At the data level, we introduce Temporal-Feedback Prompting (TFP) to evolve points into temporally consistent pseudo-labels using negative spatial cues and motion priors. At the model level, we design the Point-Excited Wavelet Attention (PEWA) module, which leverages semantic correlations to activate high-frequency components, ``hallucinating'' object boundaries. At the loss level, Uncertainty-Guided Gaussian Learning (UGL) models pseudo-labels as probabilistic distributions, dynamically calibrating supervision intensity. Experiments on DanceTrack, EmboTrack, SportsMOT, and JRDB demonstrate that PS-Track provides a feasible and effective point-supervised alternative across diverse tracking scenarios, establishing a new state-of-the-art for point-supervised tracking. The source code is available at https://github.com/xifen523/PS-MOT.
- Abstract（参考訳）: 我々は,従来の境界ボックス管理の代替としてPS-MOT(Point-supervised Multi-Object Tracking)を導入し,空間的適合からトポロジカル中心型表現へ焦点を移した。
しかしPS-MOTは、明示的な幾何学的構造やスケール制約の欠如により、空間的曖昧さやアイデンティティドリフトといった課題に直面している。
これらの問題に対処するため,PS-Trackを提案する。PS-Trackはデータ,モデル,損失レベルにまたがるポイントからインスタンスへ遷移する階層的なパイプラインである。
データレベルでは、Temporal-Feedback Prompting (TFP)を導入し、負の空間的手がかりと動きの先行値を用いて、点を時間的に一貫した擬似ラベルに進化させる。
モデルレベルでは、意味的相関を利用して高周波数成分である `hallucinating' オブジェクト境界を活性化する Point-Excited Wavelet Attention (PEWA) モジュールを設計する。
損失レベルでは、Uncertainty-Guided Gaussian Learning (UGL)は擬似ラベルを確率分布としてモデル化し、監督強度を動的に調整する。
DanceTrack、EmboTrack、SportsMOT、JRDBの実験では、PS-Trackは様々なトラッキングシナリオにまたがって実現可能で効果的なポイント教師付き代替手段を提供し、ポイント教師付きトラッキングのための新たな最先端の確立を実証している。
ソースコードはhttps://github.com/xifen523/PS-MOTで入手できる。
関連論文リスト
- ReferTrack: Referring Then Tracking for Embodied Visual Tracking [13.368122578638847]
Embodied visual tracking (EVT) は、自然言語で記述された特定のターゲットを連続的に追従する移動体エージェントを必要とする。
ReferTrackは、1台の前方カメラでEVTをグラウンド化する参照then追跡パラダイムである。
このモデルでは、まずインデックス付き境界ボックスからターゲットを選択し、次に、この画像グラウンド決定で条件付けられた追跡経路をデコードする。
論文 参考訳（メタデータ） (2026-07-22T12:05:13Z) - 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) - COVTrack++: Learning Open-Vocabulary Multi-Object Tracking from Continuous Videos via a Synergistic Paradigm [59.26203051651017]
C-TAOはOpen-Vocabulary Multi-Object Tracking (OVMOT)のための最初の連続アノテーション付きトレーニングセットである
フレームワークボトルネックに対するCOVTrack++は,3つのモジュールによる検出とアソシエーションの双方向相互機構を実現するための相乗的フレームワークである。
TAOの実験では、新しいTAAは検証とテストセットで35.4%、30.5%に達し、新しいAssocAは4.8%、新しいLocAは5.8%向上した。
論文 参考訳（メタデータ） (2026-03-25T07:20:27Z) - Look Around and Pay Attention: Multi-camera Point Tracking Reimagined with Transformers [5.025261312338861]
LAPA(Look Around and Pay Attention)は、マルチカメラポイントトラッキングのための、エンドツーエンドのトランスフォーマーベースのアーキテクチャである。
古典的三角法に頼る代わりに、注意重み付けによる3次元点表現を構築する。
TAPVid-3Dパン光学とPointOdysseyの新しいマルチカメラ(MC)バージョンを含む、挑戦的なデータセットの実験は、我々の統一アプローチが既存の手法を大幅に上回っていることを実証している。
論文 参考訳（メタデータ） (2025-12-03T19:34:08Z) - Generative Point Tracking with Flow Matching [32.15342097497571]
マルチモーダルトラジェクトリをモデル化するための生成フレームワークであるGenerative Point Tracker (GenPT)を紹介する。
GenPTは、識別トラッカーの反復的な洗練を組み合わせた、新しいフローマッチングの定式化で訓練されている。
モデルの生成能力をいかに活用して点軌道推定を改善するかを示す。
論文 参考訳（メタデータ） (2025-10-23T19:25:14Z) - Delving into Dynamic Scene Cue-Consistency for Robust 3D Multi-Object Tracking [16.366398265001422]
3D多目的追跡は、自動運転分野において重要かつ困難な課題である。
本稿では,この原理を実現するために動的シーンCue-Consistency Tracker(DSC-Track)を提案する。
論文 参考訳（メタデータ） (2025-08-15T08:48:13Z) - SeMoLi: What Moves Together Belongs Together [51.72754014130369]
動作手がかりに基づく半教師付き物体検出に挑戦する。
近年,移動物体の擬似ラベルインスタンスに対して,動きに基づくクラスタリング手法が適用可能であることが示唆された。
我々は、このアプローチを再考し、オブジェクト検出とモーションインスパイアされた擬似ラベルの両方が、データ駆動方式で取り組めることを示唆する。
論文 参考訳（メタデータ） (2024-02-29T18:54:53Z) - 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) - An Effective Motion-Centric Paradigm for 3D Single Object Tracking in
Point Clouds [50.19288542498838]
LiDARポイントクラウド(LiDAR SOT)における3Dシングルオブジェクトトラッキングは、自動運転において重要な役割を果たす。
現在のアプローチはすべて、外観マッチングに基づくシームズパラダイムに従っている。
我々は新たな視点からLiDAR SOTを扱うための動き中心のパラダイムを導入する。
論文 参考訳（メタデータ） (2023-03-21T17:28:44Z) - Unsupervised Learning of Accurate Siamese Tracking [68.58171095173056]
分類枝と回帰枝の両方で時間対応を学習できる新しい教師なし追跡フレームワークを提案する。
トラッカーは、トラッカーネットやLaSOTのような大規模データセット上で、教師なしの手法と同等の性能を発揮する。
論文 参考訳（メタデータ） (2022-04-04T13:39:43Z) - ArTIST: Autoregressive Trajectory Inpainting and Scoring for Tracking [80.02322563402758]
オンラインマルチオブジェクトトラッキング(MOT)フレームワークの中核的なコンポーネントの1つは、既存のトラックレットと新しい検出を関連付けることである。
そこで我々は,トラックレットが自然運動を表す可能性を直接測定することにより,トラックレットの提案を評価する確率論的自己回帰生成モデルを提案する。
論文 参考訳（メタデータ） (2020-04-16T06:43:11Z)
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。