論文の概要: DRGBT-1K: A Large-scale High-quality Benchmark for Dynamic RGBT Tracking
- arxiv url: http://arxiv.org/abs/2607.19772v1
- Date: Wed, 22 Jul 2026 05:39:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-23 18:51:37.985243
- Title: DRGBT-1K: A Large-scale High-quality Benchmark for Dynamic RGBT Tracking
- Title（参考訳）: DRGBT-1K:動的RGBT追跡のための大規模高品質ベンチマーク
- Abstract要約: DRGBT追跡は現実世界の協調認識システムとより一致している。
既存のベンチマークは、実際の動的モダリティ変動の下でトラッカーのロバスト性を体系的に評価するには不十分である。
我々はDRGBT追跡のための大規模高品質なベンチマークであるDRGBT-1Kを構築した。
- 参考スコア（独自算出の注目度）: 14.551253147324887
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Dynamic RGBT (DRGBT) tracking aims to continuously localize a target when the available sensing modalities and observation platforms vary over time. Compared with conventional RGBT tracking with fixed RGBT inputs and a fixed observation platform, DRGBT tracking is more consistent with real-world collaborative perception systems, where targets may be observed by heterogeneous sensors from different viewpoints. However, existing benchmarks are still insufficient for systematically evaluating tracker robustness under real dynamic modality variations and cross-platform transitions. To address this limitation, we make the following contributions. 1) We construct DRGBT-1K, a large-scale high-quality benchmark for DRGBT tracking. It contains 1,045 sequences captured entirely in real-world scenarios and 795K RGBT frame pairs collected using UAVs and handheld RGBT devices, encompassing diverse real-world scenes, pronounced viewpoint changes, modality variations, and target appearance discontinuities. 2) We provide comprehensive annotations for fine-grained evaluation, including dense bounding boxes, target category labels, challenge attributes, frame-level modality labels and platform labels. DRGBT-1K covers 24 target categories, more than 15 scene types and 15 challenge attributes. 3) We establish a comprehensive benchmark by evaluating 20 representative multimodal tracking methods, including conventional RGBT trackers, modality-missing RGBT trackers, and DRGBT trackers under a unified evaluation protocol. 4) We release an unaligned version of DRGBT-1K and derive UGVT-1K to support broader research on unaligned multimodal tracking and UAV-ground collaborative tracking. 5) We develop an online evaluation platform for DRGBT-1K and provide a leaderboard that collects all methods evaluated on this benchmark.
- Abstract（参考訳）: 動的RGBT(DRGBT)トラッキングは、使用可能なセンシングモードと観測プラットフォームが時間とともに変化する場合、目標を連続的にローカライズすることを目的としている。
固定的なRGBT入力と固定的な観測プラットフォームを備えた従来のRGBTトラッキングと比較して、DRGBTトラッキングは現実の協調認識システムとより整合性があり、異なる視点からの異種センサによって標的を観測することができる。
しかし、既存のベンチマークは、実際の動的モダリティ変動とクロスプラットフォーム遷移の下で、トラッカーのロバスト性を体系的に評価するには依然として不十分である。
この制限に対処するため、以下の貢献をする。
1) DRGBT-1KはDRGBT追跡のための大規模高品質なベンチマークである。
実世界のシナリオで完全にキャプチャされた1,045のシーケンスと、UAVとハンドヘルドのRGBTデバイスを使用して収集された795KのRGBTフレームペアを含み、様々な現実世界のシーン、顕著な視点の変化、モダリティの変化、ターゲットの外観の不連続を含む。
2) 高密度境界ボックス,ターゲットカテゴリラベル,チャレンジ属性,フレームレベルのモダリティラベル,プラットフォームラベルなど,詳細な評価のための包括的なアノテーションを提供する。
DRGBT-1Kは、24のターゲットカテゴリ、15以上のシーンタイプ、15のチャレンジ属性をカバーしている。
3)従来のRGBTトラッカー,モダリティを欠くRGBTトラッカー,DRGBTトラッカーを含む20の代表的なマルチモーダルトラッカーを統一評価プロトコルで評価し,総合的なベンチマークを確立する。
4) DRGBT-1Kの非整合バージョンをリリースし,UGVT-1Kを導出した。
5) DRGBT-1Kのオンライン評価プラットフォームを開発し、このベンチマークで評価されたすべてのメソッドを収集するリーダーボードを提供する。
関連論文リスト
- WaspMOT: A Benchmark for Long-Term Multi-Object Tracking of Trichogramma Wasps [5.233472953215432]
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。
論文 参考訳（メタデータ） (2026-07-09T17:34:04Z) - 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) - CADTrack: Learning Contextual Aggregation with Deformable Alignment for Robust RGBT Tracking [68.71826342377004]
RGB-Thermal (RGBT) トラッキングは、堅牢な全天候物体追跡のために可視および熱赤外モードを活用することを目的としている。
既存のRGBTトラッカーはモダリティの相違を解決するのに苦労している。
RGBT追跡のためのCADTrackと呼ばれる,変形可能なアライメントによるコンテキストアグリゲーション(Contextual Aggregation)を提案する。
論文 参考訳（メタデータ） (2025-11-22T08:10:02Z) - FastTracker: Real-Time and Accurate Visual Tracking [0.0]
本稿では,複数のオブジェクトタイプを扱える汎用的な追跡フレームワークを提案する。
提案手法は,(1)密閉物体の識別を向上する隠蔽認識再識別機構,(2)道路構造認識トラックレット改質戦略の2つの重要な要素を組み込んだ。
大規模な実験結果から,提案手法は新たに導入されたデータセットといくつかの公開ベンチマークの両方で堅牢な性能を実現することが示された。
論文 参考訳（メタデータ） (2025-08-20T02:59:53Z) - AViTMP: A Tracking-Specific Transformer for Single-Branch Visual Tracking [17.133735660335343]
本稿では,AViTMP(Adaptive ViT Model Prediction Tracker)を提案する。
この方法は、初めて識別モデルで単一ブランチネットワークをブリッジする。
AViTMPは、特に長期追跡とロバスト性の観点から、最先端のパフォーマンスを実現していることを示す。
論文 参考訳（メタデータ） (2023-10-30T13:48:04Z) - Tracking Every Thing in the Wild [61.917043381836656]
我々は,新しい測定基準であるTrack Every Thing Accuracy(TETA)を導入し,測定結果を3つのサブファクター(ローカライゼーション,アソシエーション,分類)に分割する。
実験の結果、TETAはトラッカーをより包括的に評価し、TETerはBDD100KとTAOに挑戦する大規模データセットを大幅に改善することがわかった。
論文 参考訳（メタデータ） (2022-07-26T15:37:19Z) - 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) - An Informative Tracking Benchmark [133.0931262969931]
既存のデータセットと新たに収集されたデータセットの1.2Mフレームのうち7%が、小型かつ情報的追跡ベンチマーク(ITB)である。
1) 課題レベル, 2) 識別力, 3) 外観変化の密度を考慮し, 既存のベンチマークから最も有意義なシーケンスを選択する。
同一データ上で再学習した15の最先端トラッカーの結果を解析することにより,各シナリオ下でのロバストなトラッカーの効果的な手法を決定できる。
論文 参考訳（メタデータ） (2021-12-13T07:56:16Z) - LasHeR: A Large-scale High-diversity Benchmark for RGBT Tracking [27.00930976353204]
LasHeRは1224枚の可視・熱赤外ビデオ対と合計730Kフレーム対で構成されている。
LasHeRは、広範囲のオブジェクトカテゴリ、カメラ視点、シーンの複雑さ、環境要因から非常に多様である。
LasHeRデータセット上で12RGBT追跡アルゴリズムの包括的なパフォーマンス評価を行います。
論文 参考訳（メタデータ） (2021-04-27T14:04:23Z) - Multi-modal Visual Tracking: Review and Experimental Comparison [85.20414397784937]
マルチモーダルトラッキングアルゴリズム,特に可視深度(RGB-D)と可視温度(RGB-T)を要約する。
5つのデータセット上でトラッカーの有効性を分析する実験を行った。
論文 参考訳（メタデータ） (2020-12-08T02:39:38Z)
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。