論文の概要: Moving Like a Human: Ego-Motion-Normalized Temporal Signatures for Real-Time Aerial Person Tracking on Milliwatt-Class Hardware

• arxiv url: http://arxiv.org/abs/2607.16282v1
• Date: Thu, 09 Jul 2026 19:30:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 00:46:13.082692
• Title: Moving Like a Human: Ego-Motion-Normalized Temporal Signatures for Real-Time Aerial Person Tracking on Milliwatt-Class Hardware
• Title（参考訳）: Ego-Motion-Normalized Temporal Signatures for Real-Time Aerial Persons Tracking on MilliW-class Hardware (特集:一般)
• Abstract要約: 追跡はドローン自体で行わなければならない。 EMT-Detは、エゴモーションを推定する5段階のシステムである。 Raspberry Pi Zero 2Wでは、パイプラインは31.85 FPS、AP25は0.462、UAVは0.714である。
• 参考スコア（独自算出の注目度）: 1.932555230783329
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Follow-me person tracking must run on the drone itself, where affordable companion computers offer only a few effective int8 GFLOP/s. At typical follow distances a person spans 10-60 pixels, indistinguishable from clutter and beyond the reach of single-frame appearance detectors. The missing evidence is temporal and belongs in the input representation, computed analytically, rather than in learned temporal machinery. EMTS-Det is a five-stage system that estimates ego-motion, converts each frame into ego-motion-normalized residual-motion channels, detects person centers with a 22k-parameter, 7.6-MFLOP network, tracks a locked target with a Kalman filter in stabilized coordinates, and verifies tracks with a 1-D convolutional classifier of human motion (ROC AUC 0.941). Training uses a synthetic-motion curriculum with motion channels generated by the deployed ego-motion code. Multi-seed ablations locate the value in generalization: on held-out VisDrone-DET a luminance-only variant collapses to 0.051 AP25 versus 0.415, as does YOLOv8n fine-tuned identically despite 1,100 times the compute, while the deployed int8 detector reaches 0.694 AP25 in-domain and 0.444 on this split. Temporal-shift modules lower accuracy, so the deployed detector is stateless. Silent int8 calibration failures are documented; min-max calibration with propagated caches matches float within 0.008 AP. On a Raspberry Pi Zero 2W the pipeline runs at 31.85 FPS with 0.462 AP25 and 0.714 recall over 1,000 real-world UAV videos, versus 1.95 FPS and 0.172 AP25 for YOLOv8n. A 57-second field sequence shows auto-lock at 1.3 s, 97.9% lock recall, and recovery from all nine occlusions with zero false re-locks.
• Abstract（参考訳）: 追跡はドローン自体で行わなければならず、手頃なコンパニオンコンピュータはわずかにInt8 GFLOP/sしか提供しない。 典型的な追従距離では、人物は10-60ピクセルにまたがる。 欠落した証拠は時間的であり、学習された時間機械ではなく、解析的に計算された入力表現に属する。 EMTS-Detは、エゴモーションを推定し、各フレームをエゴモーション正規化残動チャネルに変換し、22kパラメータ、7.6-MFLOPネットワークで人中心を検出し、安定した座標でカルマンフィルタでロックされたターゲットを追跡し、人間の動きの1-D畳み込み分類器(ROC AUC 0.941)でトラックを検証する5段階のシステムである。 トレーニングは、デプロイされたエゴモーションコードによって生成されたモーションチャネルを備えた合成モーションカリキュラムを使用する。 保持されたVisDrone-DETでは輝度のみの変種が0.051 AP25と0.415に崩壊し、YOLOv8nは計算の1,100倍にもかかわらず微調整され、Int8検出器は0.694 AP25のドメインで0.444となる。 時間シフトモジュールは精度が低いため、展開された検出器は無状態である。 無作為な int8 キャリブレーションの故障は記録されており、プロパゲートキャッシュによる min-max キャリブレーションは0.008 AP 内に浮かんでいる。 Raspberry Pi Zero 2Wでは、パイプラインは31.85 FPSで0.462 AP25と0.714リコールされ、実際のUAVビデオ1,000本に対して、1.95 FPSと0.172 AP25 for YOLOv8nである。 57秒のフィールドシーケンスでは、オートロックが1.3秒、97.9%のロックリコールと、偽のリロックがゼロの9つのオクルージョンからリカバリされる。

関連論文リスト

• Towards Practical Precision Agriculture: Real-Time Fruit Detection and Video Analytics on Embedded Edge Hardware [0.815557531820863]
  本研究では,NVIDIA Jetson Orin Super上で実時間果物の検出,追跡,計数を行うためのエンドツーエンドフレームワークを提案する。 軽量のYOLO26s検出器は、リンゴ、マンゴー、ブルーベリー、イチゴを表す4つの公開データセットで独立に訓練されている。 APPLE MOTSは、果肉の恒常性を持った果樹配列を提供するため、時間的ビデオ解析に使用される。
  論文  参考訳（メタデータ） (2026-09-11T21:32:02Z)
• Solution for UCF UrbanTwin LUMPI Track: Sim-to-Real Urban LiDAR 3D Object Detection [54.03436243843709]
  UCF UrbanTwin Sim2Real LiDAR Challenge at the 6th DriveX Workshop, ECCV 2026。 検出器は合成データのみに基づいて訓練され、50個の実LiDARフレームで評価される。 ポイントクラウドリアリズムに対して、別の50フレームの合成提案が評価される。
  論文  参考訳（メタデータ） (2026-09-07T15:03:36Z)
• Mind the Rift: Cross-Scale Coupling Mismatch for AI-Generated Video Detection [10.264738258468254]
  クロススケールカップリングミスマッチは新しい法医学的信号である。 自然ビデオでは、マクロレベルの時間的ダイナミクスとマイクロレベルの残留パターンは、統合されたイメージング物理パイプラインによって本質的に結合される。 しかし、この共同分布を明示的に保持していないトレーニング目的を持つAIジェネレータは、この結合を体系的に違反する。 このようなミスマッチの検出は、両方のスケールで独立して情報を抽出する必要があるため、難しい。
  論文  参考訳（メタデータ） (2026-09-01T05:23:48Z)
• Task-Relevant Feature-Dynamics Fidelity Enables Zero-Shot Sim-to-Real Transfer for Robotic Ultrasound Scanning [58.25007580703646]
  我々は,共有構造中間領域,軌道レベルの固定雑音,数ステップの条件流生成を組み合わせたTR指向超音波シミュレータを開発した。 ファントム実験では、4つの標的機に400発のゼロショット配置のうち390発が成功した。
  論文  参考訳（メタデータ） (2026-08-30T02:37:00Z)
• Self-Calibrating Dense Displacement Fields for Reliable Co-Registration of Large Optical Satellite Imagery [4.730120849611304]
  共同登録は、光学衛星画像の時間・マルチセンサー利用のほぼすべての基盤となる。 SCDF, トレーニング不要なGPUフリーな推定器で, 動きモデル自体が画素あたりの高密度変位場である。 実際のSentinel Landsat-8/9とNAIP画像から構築された584基の地上トラスペアでは、SCDFは故障のない全てのペアを登録する。
  論文  参考訳（メタデータ） (2026-08-23T08:50:59Z)
• Belief-Space Perception Routing under Coupled Sensor Faults and Compute Contention [0.0]
  固定された時計を見て反応しなければならないロボットは、同時に2つの問題に遭遇する。 本稿では,センサフォア状態と計算競合状態の推定値を追跡する知覚ルータを提案する。 2つのストレッサーが共起している場合、結合されたポリシーは期限満了率を1.1から9.4ポイントに削減する。
  論文  参考訳（メタデータ） (2026-07-31T22:17:12Z)
• Streamlining stereo differentiable rendering for marker-free real-time tracking of surgical robots [7.312849670879312]
  マーカーレスリアルタイムロボットのポーズトラッキングにおけるステレオ微分可能レンダリングの評価を行った。 リアルタイム1080pのトラッキングを30fps(バニラロベレグの14fpsからアップアップ)で達成し、カメラフレームレートにマッチする。
  論文  参考訳（メタデータ） (2026-07-14T10:28:28Z)
• Onnes: A Physics-Grounded Multi-Agent LLM Simulator for Cryogenic Fault Diagnosis in Quantum Computing Infrastructure [0.0]
  希釈冷凍機は超伝導量子コンピュータのインフラである。 希釈冷凍機の物理地上デジタル双対シミュレータであるOnnesについて紹介する。
  論文  参考訳（メタデータ） (2026-07-07T03:57:21Z)
• OctoSense: Self-Supervised Learning for Multimodal Robot Perception [50.20346079739425]
  ステレオカメラとイベントカメラ、LiDAR、サーマルカメラ、慣性測定ユニット、プロプリセプション(車からのCANバスデータ、四足歩行ロボットの関節角度)を備えたオープンソースのセンサプラットフォームであるOctoSenseについて述べる。 匿名のOctoSenseデータセットには、59時間の時間同期駆動データが含まれている。 このような実世界のデータを用いて,センサの表現,周波数,レイテンシ,ノイズの異なるマルチモーダル自己教師型学習を実演する。
  論文  参考訳（メタデータ） (2026-06-25T17:30:49Z)
• TIE: Time Interval Encoding for Video Generation over Events [50.66585165263848]
  ディレクタースタイルのプロンプト、ロボットアクション予測、インタラクティブなビデオエージェントは、同時イベントに対する時間的根拠を要求する。 現代のビデオジェネレータは、ポイントワイドな位置エンコーディングを通して、タイムを離散的なポイントとして表現する。 Time Interval TIEは、プラグイン・アンド・プレイ・インターバル・アウェアの一般化である。
  論文  参考訳（メタデータ） (2026-05-11T13:23:14Z)
• On-Orbit Real-Time Wildfire Detection Under On-Board Constraints [0.0]
  本研究では,9衛星の商業熱赤外星座上での軌道上山火事検出システムについて述べる。 このシステムは、200mのサンプリング距離で、未校正中波赤外線(MWIR)シングルバンド画像で動作する。 そこで本研究では,プロプライエタリな9サテライトMWIRデータセットを用いた軽量密度表現学習の実証的研究を行った。
  論文  参考訳（メタデータ） (2026-05-07T13:47:27Z)
• Instance-level Visual Active Tracking with Occlusion-Aware Planning [61.982298426203165]
  Visual Active Tracking (VAT)は、カメラを3D空間でターゲットに追従することを目的としている。 VATは、視覚的に類似したイントラクタからの混乱と、閉塞下での深刻な障害という、現実世界のデプロイメントにおいて2つの重要なボトルネックに直面している。 3つの相補的なモジュールを持つ統一パイプラインであるOA-VATを提案する。
  論文  参考訳（メタデータ） (2026-04-23T09:11:50Z)
• StrikeWatch: Wrist-worn Gait Recognition with Compact Time-series Models on Low-power FPGAs [10.946464973530214]
  歩行パターンが良くなると、特に専門家のフィードバックなしに怪我につながることがある。 Wrist-wornウェアラブルは、実用的で非侵襲的な代替手段を提供する。 本稿では,デバイス上でリアルタイム歩行認識を行う小型手首輪システムであるStrikeWatchを紹介する。
  論文  参考訳（メタデータ） (2025-10-14T20:28:31Z)
• Fast Re-Trainable Attention Autoencoder for Liquid Sensor Anomaly Detection at the Edge [0.0]
  化学・生物学実験室におけるセンサ異常を検出するために, 軽量で, エッジ展開可能なパイプラインを提案する。 カスタムPCBは7つのセンサーチャネルをキャプチャし、それらをローカルネットワークにストリームする。 アテンションベースのワンクラスオートエンコーダは、通常のデータの30分間のトレーニング後に使用可能な状態に達する。
  論文  参考訳（メタデータ） (2025-07-05T10:51:58Z)
• Coordinate Transformer: Achieving Single-stage Multi-person Mesh Recovery from Videos [91.44553585470688]
  ビデオから複数人の3Dメッシュを回収することは、バーチャルリアリティーや理学療法などにおけるグループ行動の自動認識に向けた重要な第一歩である。 本稿では,複数人物の時空間関係を直接モデル化し,同時にエンドツーエンドでマルチ・メッシュ・リカバリを行うコーディネート・トランスフォーマーを提案する。 3DPWデータセットの実験では、CoordFormerが最先端の精度を大幅に向上し、MPJPE、PAMPJPE、PVEの計測値でそれぞれ4.2%、8.8%、そして4.7%を上回った。
  論文  参考訳（メタデータ） (2023-08-20T18:23:07Z)
• Ultra-low Power Deep Learning-based Monocular Relative Localization Onboard Nano-quadrotors [64.68349896377629]
  この研究は、2つのピアナノドロンのディープニューラルネットワーク(DNN)を介して、単分子の相対的な局所化に対処する、新しい自律的なエンドツーエンドシステムを示す。 超制約ナノドローンプラットフォームに対処するため,データセットの増大,量子化,システム最適化などを含む垂直統合フレームワークを提案する。 実験の結果,DNNは低分解能モノクローム画像のみを用いて最大2mの距離で10cmのターゲットナノドローンを正確に局在させることができることがわかった。
  論文  参考訳（メタデータ） (2023-03-03T14:14:08Z)
• Fast Motion Understanding with Spatiotemporal Neural Networks and Dynamic Vision Sensors [99.94079901071163]
  本稿では,高速な動きを推論するための動的視覚センサ(DVS)システムを提案する。 ロボットが15m/s以上の速度で接近する小さな物体に反応するケースを考察する。 我々は,23.4m/sで24.73degの誤差を$theta$,18.4mmの平均離散半径予測誤差,衝突予測誤差に対する25.03%の中央値で移動した玩具ダートについて,本システムの結果を強調した。
  論文  参考訳（メタデータ） (2020-11-18T17:55:07Z)

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。