論文の概要: Counterfactual Motion Reliability Learning for Robust UAV Tracking

• arxiv url: http://arxiv.org/abs/2607.23209v1
• Date: Sat, 25 Jul 2026 14:01:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.029223
• Title: Counterfactual Motion Reliability Learning for Robust UAV Tracking
• Title（参考訳）: ロバストなUAV追跡のための対物動作信頼性学習
• Abstract要約: 赤外線無人航空機(UAV)の追跡は、標的が小さく、低コントラストであり、熱散逸器や散らばった背景と容易に混同されるため困難である。 近年のトランスフォーマーベースのトラッカーは、強い外観表現を学習することで有望な性能を実現している。 CMRTrackは、ロバストな赤外線UAV追跡のための非現実的なモーション信頼性学習フレームワークである。
• 参考スコア（独自算出の注目度）: 3.2658295979028753
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Infrared unmanned aerial vehicle (UAV) tracking is challenging because the target is often small, low-contrast, and easily confused with thermal distractors or cluttered backgrounds. Recent Transformer-based trackers have achieved promising performance by learning strong appearance representations, but their responses can still be dominated by background structures when the target appearance is weak or ambiguous. A natural solution is to introduce temporal motion cues. However, in infrared UAV tracking, motion cues are not always reliable: camera jitter, dynamic backgrounds, sensor noise, and target disappearance may produce temporal variations that are stronger than the true target motion. Therefore, the key challenge is not simply how to use motion, but how to distinguish target-consistent motion from background-induced pseudo motion. To this end, we propose CMRTrack, a counterfactual motion reliability learning framework for robust infrared UAV tracking. CMRTrack first extracts temporal evidence from adjacent search regions using a lightweight motion evidence encoder. During training, a counterfactual target-erased history branch is introduced to construct hard motion references, encouraging the motion encoder to learn reliable target-consistent motion rather than arbitrary temporal changes. The learned motion evidence is then incorporated into a one-stream tracking framework through motion-guided token modulation and reliability-aware score fusion, enabling adaptive feature enhancement and response refinement. Extensive experiments on Anti-UAV410 demonstrate that CMRTrack consistently outperforms representative state-of-the-art trackers and significantly improves the OSTrack baseline, with ablation studies and qualitative analysis verifying the effectiveness of the proposed counterfactual motion reliability learning.
• Abstract（参考訳）: 赤外線無人航空機(UAV)の追跡は、標的が小さく、低コントラストであり、熱散逸器や散らばった背景と容易に混同されるため困難である。 近年のトランスフォーマーベースのトラッカーは、強い外観表現を学習することで有望な性能を達成したが、ターゲットの外観が弱い場合やあいまいな場合、その応答は背景構造に支配される可能性がある。 自然な解決策は、時間的な動きの手がかりを導入することである。 しかし、赤外線UAVトラッキングでは、カメラジッタ、ダイナミックバックグラウンド、センサーノイズ、ターゲットの消失といった動きの手がかりが常に信頼できるとは限らない。 したがって、重要な課題は単に動きをどう使うかではなく、背景が引き起こした擬似動きとターゲットの一貫性のある動きを区別する方法である。 そこで本研究では,強赤外線追跡のための動作信頼性学習フレームワークであるCMRTrackを提案する。 CMRTrackは、まず、軽量なモーションエビデンスエンコーダを用いて、隣接する探索領域から時間的エビデンスを抽出する。 トレーニング中、ハードモーション参照を構築するために、反ファクトなターゲット消去履歴ブランチを導入し、任意の時間的変化ではなく、信頼できるターゲット一貫性のある動作を学習するよう、モーションエンコーダを奨励する。 学習された動作証拠は、モーションガイド付きトークン変調と信頼性を考慮したスコア融合により、一ストリーム追跡フレームワークに組み込まれ、適応的特徴強化と応答改善を可能にする。 反UAV410の広範囲な実験により、CMRTrackは最先端のトラッカーを一貫して上回り、OSTrackベースラインを大幅に改善し、アブレーション研究と定性解析により、提案した対実運動信頼性学習の有効性を検証した。

関連論文リスト

• EECTracker: Swarm Motion Prior-Guided Feature Compensation for Airborne Optical UAV Swarm Tracking [2.6963400582429036]
  EECTrackerは、空中UAV群追跡のためのSwarm-motion-prior-guided joint detection-and-tracking frameworkである。 EECTrackerは最先端の手法と比較して総合的なトラッキング性能が優れていることを示す。
  論文  参考訳（メタデータ） (2026-09-14T07:57:47Z)
• JitTrack: Onboard Multi-Object Tracking Against Viewpoint Jitter for Agile UAVs [0.5371337604556311]
  JitTrackは、ドローンのためのアクティブなマルチオブジェクトトラッキングフレームワークである。 ドローンのダイナミックスとカメラのエゴモーションに対応している。 セマンティックリファインメントを導入し、新興ターゲットの検出を改善する。 また、ターゲットのミスアライメントを補うために、モーションアウェアなクエリの修正も導入している。
  論文  参考訳（メタデータ） (2026-08-11T05:00:31Z)
• Decoupling Ego-Motion from Target Dynamics via Dual-Interval Motion Cues for UAV Detection [0.5371337604556311]
  無人航空機(UAV)からの物体検出は、激しいエゴモーション、カメラジッタ、大規模変動によって困難にさらされている。 本稿では、カメラによる乱れから目標運動を分離する視覚のみのモーションガイド検出フレームワークを提案する。 VisDrone-VIDデータセットの実験では、強いエゴモーションの下で強いYOLOv8ベースラインに対して一貫した改善が示されている。
  論文  参考訳（メタデータ） (2026-05-21T15:18:34Z)
• DMTrack: Deformable State-Space Modeling for UAV Multi-Object Tracking with Kalman Fusion and Uncertainty-Aware Association [18.68212724411998]
  無人航空機(UAV)からの多目的追跡(MOT)は、予測不可能な物体の動きによる固有の課題を提示する。 UAVベースのMOTに適した変形可能なモーショントラッキングフレームワークであるDMTrackを提案する。 本手法は, 外観モデルなしで動作し, 競争効率を保ち, 堅牢なUAVトラッキングの実現性を強調した。
  論文  参考訳（メタデータ） (2025-10-15T13:54:25Z)
• Tracking the Unstable: Appearance-Guided Motion Modeling for Robust Multi-Object Tracking in UAV-Captured Videos [58.156141601478794]
  マルチオブジェクトトラッキング(UAVT)は、ビデオのフレーム間で一貫したアイデンティティを維持しながら、複数のオブジェクトを追跡することを目的としている。 既存の手法は、通常、動作キューと外観を別々にモデル化し、それらの相互作用を見渡して、最適下追跡性能をもたらす。 本稿では、AMC行列とMTCモジュールの2つの主要コンポーネントを通して、外観と動きの手がかりを利用するAMOTを提案する。
  論文  参考訳（メタデータ） (2025-08-03T12:06:47Z)
• Efficient Motion Prompt Learning for Robust Visual Tracking [58.59714916705317]
  本稿では,軽量かつプラグアンドプレイなモーションプロンプトトラッキング手法を提案する。 既存の視覚ベースのトラッカーと簡単に統合して、共同トラッキングフレームワークを構築することができる。 7つのトラッキングベンチマークの実験により、提案したモーションモジュールは、視覚ベースのトラッカーのロバスト性を大幅に改善することが示された。
  論文  参考訳（メタデータ） (2025-05-22T07:22:58Z)
• A Simple Detector with Frame Dynamics is a Strong Tracker [43.912410355089634]
  赤外線物体追跡は、反無人航空機(Anti-UAV)の用途において重要な役割を担っている。 既存のトラッカーは、しばしば収穫されたテンプレート領域に依存し、モーションモデリング機能に制限がある。 我々は,グローバルな検出と動き認識学習を統合することで,トラッキング性能を向上させる,シンプルで効果的な赤外線小物体トラッカーを提案する。
  論文  参考訳（メタデータ） (2025-05-08T03:16:03Z)
• Open-World Drone Active Tracking with Goal-Centered Rewards [62.21394499788672]
  Drone Visual Active Trackingは、視覚的な観察に基づいてモーションシステムを制御することで、対象物を自律的に追跡することを目的としている。 DATは,世界初となるエア・ツー・グラウンド・トラッキング・ベンチマークである。 また,複雑なシナリオにおけるドローン追跡目標の性能向上を目的としたGC-VATを提案する。
  論文  参考訳（メタデータ） (2024-12-01T09:37:46Z)
• Learning Motion Blur Robust Vision Transformers for Real-Time UAV Tracking [14.382072224997074]
  無人航空機(UAV)の追跡は、監視、捜索救助、自律航法といった用途に欠かせない。 UAVとターゲットの高速移動は、リアルタイム処理要求や激しい動きのぼかしなど、ユニークな課題をもたらす。 本稿では,リアルタイムなUAVトラッキングのために,Transformerブロックを動的に終了する適応型計算フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-07T14:10:04Z)
• RTracker: Recoverable Tracking via PN Tree Structured Memory [71.05904715104411]
  本稿では,木構造メモリを用いてトラッカーと検出器を動的に関連付け,自己回復を可能にするRTrackerを提案する。 具体的には,正負と負のターゲットサンプルを時系列に保存し,維持する正負のツリー構造メモリを提案する。 我々の中核となる考え方は、正と負の目標カテゴリーの支持サンプルを用いて、目標損失の信頼性評価のための相対的距離に基づく基準を確立することである。
  論文  参考訳（メタデータ） (2024-03-28T08:54:40Z)
• MotionTrack: Learning Motion Predictor for Multiple Object Tracking [68.68339102749358]
  本研究では,学習可能なモーション予測器を中心に,新しいモーショントラッカーであるMotionTrackを紹介する。 実験結果から、MotionTrackはDancetrackやSportsMOTといったデータセット上での最先端のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2023-06-05T04:24:11Z)
• MotionTrack: Learning Robust Short-term and Long-term Motions for Multi-Object Tracking [56.92165669843006]
  本研究では,短時間から長期間の軌跡を関連づける統合フレームワークで,堅牢な短期・長期動作を学習するMotionTrackを提案する。 密集した群集に対して,各ターゲットの複雑な動きを推定できる,短時間の軌跡から相互作用認識動作を学習するための新しい対話モジュールを設計する。 極端なオクルージョンのために、ターゲットの履歴軌跡から信頼できる長期動作を学習するための新しいRefind Moduleを構築し、中断された軌跡とそれに対応する検出とを関連付けることができる。
  論文  参考訳（メタデータ） (2023-03-18T12:38:33Z)
• Distractor-Aware Fast Tracking via Dynamic Convolutions and MOT Philosophy [63.91005999481061]
  実用的長期トラッカーは、典型的には3つの重要な特性を含む。 効率的なモデル設計、効果的なグローバル再検出戦略、堅牢な気晴らし認識メカニズム。 動的畳み込み (d-convs) と多重オブジェクト追跡 (MOT) の哲学を用いて, 注意をそらした高速トラッキングを実現するための2タスクトラッキングフレームワーク(DMTrack)を提案する。 我々のトラッカーはLaSOT, OxUvA, TLP, VOT2018LT, VOT 2019LTベンチマークの最先端性能を実現し, リアルタイム3倍高速に動作させる。
  論文  参考訳（メタデータ） (2021-04-25T00:59:53Z)

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。