論文の概要: WaspMOT: A Benchmark for Long-Term Multi-Object Tracking of Trichogramma Wasps

• arxiv url: http://arxiv.org/abs/2607.08729v1
• Date: Thu, 09 Jul 2026 17:34:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-10 14:45:27.611023
• Title: WaspMOT: A Benchmark for Long-Term Multi-Object Tracking of Trichogramma Wasps
• Title（参考訳）: WaspMOT:Trichogramma Waspsの長期多目的追跡のためのベンチマーク
• Abstract要約: We introduced WaspMOT, a benchmark for long-duration tracking of Trichogramma waps。 データセットには、それぞれ約12,000フレームの10のシーケンスが含まれている(25 FPSで8分以上)。 我々はByteTrack, BoT-SORT, C-BIoU, OC-SORT, McByteの5つの追跡検出手法を評価する。
• 参考スコア（独自算出の注目度）: 5.233472953215432
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-object tracking (MOT) has achieved strong performance on benchmarks dominated by short video sequences. However, such datasets do not adequately evaluate long-term identity preservation, where objects must be tracked consistently over extended durations. We introduce WaspMOT, a benchmark designed to address this gap through long-duration tracking of Trichogramma wasps in controlled ecological experiments. The dataset contains 10 sequences of approximately 12,000 frames each (over 8 minutes at 25 FPS), with dense MOTChallenge annotations and oracle detections to isolate association performance. Unlike existing benchmarks, WaspMOT forms a closed-set tracking scenario where all individuals remain present throughout the sequence, requiring consistent identity assignment across thousands of frames despite abrupt jumps, occlusions, and highly similar appearance. We establish a benchmark by evaluating five tracking-by-detection methods, including ByteTrack, BoT-SORT, C-BIoU, OC-SORT, and McByte, under a unified protocol. Results show that all methods suffer from significant trajectory fragmentation, highlighting the difficulty of long-term identity preservation even with perfect detections. A simple spatial tracklet stitching baseline consistently improves performance, indicating that substantial gains remain possible. WaspMOT provides a new benchmark for studying long-term association and reveals limitations of current tracking approaches that are not observable on conventional datasets. The benchmark will be made publicly available at the project repository: https://github.com/tstanczyk95/WaspMOT/ .
• Abstract（参考訳）: マルチオブジェクトトラッキング(MOT)は、短いビデオシーケンスが支配するベンチマークにおいて、強力なパフォーマンスを実現している。 しかし、このようなデータセットは、長期にわたるオブジェクトの追跡を一貫して行わなければならない長期的なアイデンティティ保存を適切に評価しない。 我々は,このギャップに対処するためのベンチマークであるWaspMOTを紹介した。 このデータセットは、約12,000フレーム(25 FPSで8分以上)の10のシーケンスを含み、密集したMOTChallengeアノテーションとオラクル検出によって関連性能を分離している。 既存のベンチマークとは異なり、WaspMOTは、急激なジャンプ、オクルージョン、および非常に類似した外観にもかかわらず、すべての個人が数千のフレームにわたって一貫したアイデンティティ割り当てを必要とする、クローズドセットのトラッキングシナリオを形成する。 我々は, ByteTrack, BoT-SORT, C-BIoU, OC-SORT, McByte を含む5つのトラッキング・バイ・検出手法を統一的なプロトコルで評価することによって, ベンチマークを確立する。 以上の結果から, 完全検出でも長期的アイデンティティ保存の難しさを浮き彫りにして, 全手法が大きな軌道断片化に悩まされていることが示唆された。 単純な空間トラックレット縫合ベースラインは一貫して性能を向上し、かなりの利得が引き続き可能であることを示す。 WaspMOTは、長期関連を研究するための新しいベンチマークを提供し、従来のデータセットでは観測できない現在のトラッキングアプローチの制限を明らかにしている。 ベンチマークは、プロジェクトのリポジトリで公開される。

関連論文リスト

• 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)
• Exploring Reliable Spatiotemporal Dependencies for Efficient Visual Tracking [9.64398631601942]
  STDTrackは、信頼性のある時間的依存関係を軽量トラッカーに統合する先駆的なフレームワークである。 本稿では,時間的プロパゲートトークンを導入し,フレーム単位の特徴抽出をガイドする。 異なるサイズのオブジェクトに動的に適応するマルチスケール予測ヘッドを開発した。
  論文  参考訳（メタデータ） (2026-01-14T02:22:05Z)
• Multi-tracklet Tracking for Generic Targets with Adaptive Detection Clustering [8.637143090635396]
  本稿では、フレキシブルなトラックレット生成をマルチトラックレットアソシエーションフレームワークに統合する、MTT(Multi-Tracklet Tracking)と呼ばれるトラックレットトラッカーを提案する。 汎用マルチオブジェクト追跡のためのベンチマーク実験は,提案フレームワークの競争力を実証している。
  論文  参考訳（メタデータ） (2025-08-07T09:05:27Z)
• 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)
• Post-Hoc MOTS: Exploring the Capabilities of Time-Symmetric Multi-Object Tracking [0.37240490024629924]
  事前に記録されたサンプル中の出芽酵母の検出、分画、追跡のための時間対称追跡手法が導入された。 我々は、このアーキテクチャの幅広い機能、アドバンテージ、潜在的な課題を、様々な特別に設計されたシナリオで明らかにすることを目指している。 本稿では,事前学習モデルと非事前学習モデルの両方を対象とした追跡アーキテクチャの注意分析を行う。
  論文  参考訳（メタデータ） (2024-12-11T11:50:06Z)
• Temporal Correlation Meets Embedding: Towards a 2nd Generation of JDE-based Real-Time Multi-Object Tracking [52.04679257903805]
  共同検出・埋め込み(JDE)トラッカーは多目的追跡(MOT)タスクにおいて優れた性能を示した。 TCBTrackという名前のトラッカーは、複数の公開ベンチマークで最先端のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2024-07-19T07:48:45Z)
• Long-Term Visual Object Tracking with Event Cameras: An Associative Memory Augmented Tracker and A Benchmark Dataset [9.366068518600583]
  FELTと呼ばれる,長期的かつ大規模な視覚オブジェクト追跡データセットを提案する。 また,Asociative Memory Transformer を用いた RGB-Event の長期視覚トラッカー AMTTrack を提案する。
  論文  参考訳（メタデータ） (2024-03-09T08:49:50Z)
• Self-Supervised Multi-Object Tracking For Autonomous Driving From Consistency Across Timescales [53.55369862746357]
  自己管理型マルチオブジェクトトラッカーは、生のドメイン固有データから学習できるという大きな可能性を秘めている。 しかし、その再識別精度は、監督対象よりも低い。 本稿では,複数の連続フレームから再同定特徴を自己教師付きで学習できる学習目標を提案する。
  論文  参考訳（メタデータ） (2023-04-25T20:47:29Z)
• Beyond SOT: Tracking Multiple Generic Objects at Once [141.36900362724975]
  ジェネリックオブジェクト追跡(ジェネリックオブジェクト追跡、英: Generic Object Tracking、GOT)は、ビデオの最初のフレームでボックスをバウンディングすることによって指定されたターゲットオブジェクトを追跡する問題である。 大規模GOTベンチマークであるLaGOTを導入し,複数のアノテート対象オブジェクトをシーケンス毎に含む。 提案手法は単一オブジェクトのGOTデータセットに対して高い競合性を実現し,TrackingNet上での新たな技術状態が84.4%の成功率で設定されている。
  論文  参考訳（メタデータ） (2022-12-22T17:59:19Z)
• 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-Object Tracking and Segmentation with a Space-Time Memory Network [12.043574473965318]
  トラックレットを関連づける新しいメモリベース機構に基づく多目的追跡とセグメンテーションの手法を提案する。 提案するトラッカーであるMeNToSは、特に長期データアソシエーションの問題に対処する。
  論文  参考訳（メタデータ） (2021-10-21T17:13:17Z)
• Learning to Track with Object Permanence [61.36492084090744]
  共同物体の検出と追跡のためのエンドツーエンドのトレーニング可能なアプローチを紹介します。 私たちのモデルは、合成データと実データで共同トレーニングされ、KITTIおよびMOT17データセットの最先端を上回ります。
  論文  参考訳（メタデータ） (2021-03-26T04:43:04Z)
• Probabilistic Tracklet Scoring and Inpainting for Multiple Object Tracking [83.75789829291475]
  本稿では,トラックレット提案の確率的自己回帰運動モデルを提案する。 これは、我々のモデルを訓練して、自然のトラックレットの基盤となる分布を学習することで達成される。 我々の実験は、挑戦的なシーケンスにおける物体の追跡におけるアプローチの優位性を実証している。
  論文  参考訳（メタデータ） (2020-12-03T23:59:27Z)

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。