論文の概要: E-TraMamba: A New Paradigm for Efficient Long-Term 3D Feature Tracking with Event Cameras

• arxiv url: http://arxiv.org/abs/2607.02866v1
• Date: Fri, 03 Jul 2026 02:11:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.438178
• Title: E-TraMamba: A New Paradigm for Efficient Long-Term 3D Feature Tracking with Event Cameras
• Title（参考訳）: E-TraMamba: イベントカメラを用いたリアルタイム3D特徴追跡のための新しいパラダイム
• Authors: Juwei Shen, Yujie Wu, Changwen Chen,
• Abstract要約: イベントベースの3Dトラッキングは、低レイテンシと高速な知覚を可能にする。 E-TraMambaはイベントデータに基づく3D特徴追跡のための最初のMambaベースのフレームワークである。
• 参考スコア（独自算出の注目度）: 31.20601020243998
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Event-based 3D tracking enables low-latency and high-speed perception, while existing CNN- and Transformer-based trackers struggle to capture long-range spatiotemporal dependencies in sparse, noisy event streams, especially under real-time and efficiency constraints. To address these challenges, we present E-TraMamba, the first Mamba-based framework for 3D feature tracking on event data. This new framework adopts a linear state-space model for efficient long-range modeling and integrates a lightweight affine-transform predictor to maintain stable tracking under motion blur and occlusion. We also design an effective scheme to fuse multi-scale cues -- local spatiotemporal patches, correlation maps, and positional embeddings -- into a unified representation that enables stable and smooth 3D tracking. We construct a large-scale synthetic dataset, named EvD-PointOdyssey, which is generated with monocular rendering and provides synchronized event streams, depth maps, and accurate 3D trajectories for training and evaluating event-based 3D tracking models. Extensive experiments on event-based benchmarks demonstrate that E-TraMamba achieves state-of-the-art performance, delivering over $2\times$ longer feature lifetimes under strict accuracy thresholds (e.g., 0.1 m), with higher tracked-feature ratios and lower RMSE than all baselines. These results make E-TraMamba a strong candidate for low-latency visual odometry, real-time SLAM, and interactive robotics.
• Abstract（参考訳）: イベントベースの3Dトラッキングは、低レイテンシと高速な知覚を可能にする一方で、既存のCNNとTransformerベースのトラッカーは、特にリアルタイムと効率の制約の下で、スパースでノイズの多いイベントストリームにおいて、長時間の時空間依存性をキャプチャするのに苦労している。 これらの課題に対処するため、イベントデータに基づく3D機能トラッキングのための最初のMambaベースのフレームワークであるE-TraMambaを紹介します。 このフレームワークは、効率的な長距離モデリングのための線形状態空間モデルを採用し、軽量なアフィン変換予測器を統合して、動きのぼやけや閉塞下での安定したトラッキングを維持する。 また、局所的な時空間パッチ、相関マップ、位置埋め込みといったマルチスケールキューを、安定かつスムーズな3Dトラッキングを可能にする統一表現に融合する効果的なスキームを設計する。 EvD-PointOdysseyと呼ばれる大規模な合成データセットを構築し、モノクロレンダリングで生成し、イベントストリーム、深度マップ、およびイベントベースの3D追跡モデルのトレーニングと評価のための正確な3Dトラジェクトリを提供する。 イベントベースのベンチマークに関する大規模な実験は、E-TraMambaが最先端のパフォーマンスを達成し、厳密な精度のしきい値(例えば0.1m)の下で2ドル以上の長寿命機能を提供し、すべてのベースラインよりも高い追従係数とRMSEを低下させることを示した。 これらの結果から,E-TraMambaは低遅延視覚計測,リアルタイムSLAM,対話型ロボティクスの有力候補となった。

関連論文リスト

• MambaTrack3D: A State Space Model Framework for LiDAR-Based Object Tracking under High Temporal Variation [10.644346216742353]
  MambaTrack3Dは、状態空間モデルMamba上に構築された新しいHTV指向のトラッキングフレームワークである。 MambaTrack3Dは、HTV指向トラッカーと通常のシナリオトラッカーの両方を一貫して上回っている。
  論文  参考訳（メタデータ） (2025-11-19T03:37:56Z)
• EMoTive: Event-guided Trajectory Modeling for 3D Motion Estimation [59.33052312107478]
  イベントカメラは、シーン変化に対する連続的適応ピクセルレベル応答による3次元モーション推定の可能性を提供する。 本稿では,イベント誘導パラメトリック曲線を用いた一様軌道をモデル化するイベントベースフレームワークであるEMoveについて述べる。 動作表現には,事象誘導下での空間的特徴と時間的特徴を融合する密度認識適応機構を導入する。 最終3次元運動推定は、パラメトリック軌道、流れ、深度運動場の多時間サンプリングによって達成される。
  論文  参考訳（メタデータ） (2025-03-14T13:15:54Z)
• Online Dense Point Tracking with Streaming Memory [54.22820729477756]
  デンスポイントトラッキングは、ビデオのかなりの部分を通して、初期フレーム内のすべてのポイントの連続的な追跡を必要とする、困難なタスクである。 最近の点追跡アルゴリズムは、通常、最初のフレームから現在のフレームへの間接的な情報伝達のためにスライドウィンドウに依存する。 我々は、高密度のtextbfPOint textbfTracking とオンラインビデオ処理のための textbfStreaming メモリを備えた軽量で高速なモデルを提案する。
  論文  参考訳（メタデータ） (2025-03-09T06:16:49Z)
• Modeling Continuous Motion for 3D Point Cloud Object Tracking [54.48716096286417]
  本稿では,各トラックレットを連続ストリームとみなす新しいアプローチを提案する。 各タイムスタンプでは、現在のフレームだけがネットワークに送られ、メモリバンクに格納された複数フレームの履歴機能と相互作用する。 頑健な追跡のためのマルチフレーム機能の利用性を高めるために,コントラッシブシーケンス強化戦略を提案する。
  論文  参考訳（メタデータ） (2023-03-14T02:58:27Z)
• Monocular Quasi-Dense 3D Object Tracking [99.51683944057191]
  周囲の物体の将来の位置を予測し、自律運転などの多くのアプリケーションで観測者の行動を計画するためには、信頼性と正確な3D追跡フレームワークが不可欠である。 移動プラットフォーム上で撮影された2次元画像のシーケンスから,移動物体を時間とともに効果的に関連付け,その全3次元バウンディングボックス情報を推定するフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-12T15:30:02Z)

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。