論文の概要: Beyond Appearance: A Multi-cue Framework and Large-scale Benchmark for Pedestrian Association and Tracking on Mobile Aerial-Ground Platforms
- arxiv url: http://arxiv.org/abs/2607.23803v1
- Date: Sun, 26 Jul 2026 19:06:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:15.230296
- Title: Beyond Appearance: A Multi-cue Framework and Large-scale Benchmark for Pedestrian Association and Tracking on Mobile Aerial-Ground Platforms
- Title（参考訳）: Beyond Outearance: 歩行者協会のためのマルチキューフレームワークと大規模ベンチマークとモバイルエアリアルグラウンドプラットフォームでの追跡
- Abstract要約: マルチビュー・アソシエーションと Identification のための視点ロバストな特徴統一フレームワークを提案する。
また、大規模なベンチマークであるRealMvMoATを導入する。
- 参考スコア（独自算出の注目度）: 20.14740379542179
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-view Multi-object Association and Tracking (MvMoAT) associates objects across camera views and tracks them over time, supporting identity persistence and forensic trajectory reconstruction in multi-platform cooperative perception. Unlike conventional multiple object tracking, MvMoAT faces frequent viewpoint shifts that distort appearance and undermine cross-view association and temporal tracking. We propose FUSION, a viewpoint-robust Feature Unification framework for multi-view aSsociation and IdentificatiON. Its Multi-cue Adaptive Combination (MAC) module adaptively integrates viewpoint-invariant cues with appearance features to improve cross-view association, while Online Multi-view Feature Synchronization (OMFS) aggregates pedestrian features across historical and cross-view frames for temporally consistent tracking. We also introduce RealMvMoAT, a large-scale benchmark featuring substantial inter- and intra-camera viewpoint variation. It contains 504.9K frames from 7 cameras (5 UAV and 2 ground views) across 10 scenes, with over 7.3M identity-labeled bounding boxes. All cameras exhibit random and substantial motion. To the best of our knowledge, RealMvMoAT is the largest MvMoAT dataset to date. Its scale, viewpoint diversity, complex platform motion, and realistic trajectories provide a comprehensive resource for future research. Experiments on RealMvMoAT and six public benchmarks show that FUSION achieves state-of-the-art performance.
- Abstract（参考訳）: MvMoAT(Multi-view Multi-object Association and Tracking)は、カメラビュー全体でオブジェクトを関連付け、時間とともに追跡する。
従来の複数のオブジェクト追跡とは異なり、MvMoATは外見を歪ませたり、クロスビューアソシエーションや時間的追跡を損なうような、頻繁な視点シフトに直面している。
マルチビュー・アソシエーションと Identification のための視点ロバストな特徴統一フレームワーク FUSION を提案する。
MAC(Multi-cue Adaptive Combination)モジュールは、視点不変のキューと外観特徴を適応的に統合して、クロスビューアソシエーションを改善する一方、オンラインマルチビュー機能同期(OMFS)は、時間的に一貫したトラッキングのために、歴史的および横断的なフレームにわたって歩行者の特徴を集約する。
また、大規模なベンチマークであるRealMvMoATを導入する。
カメラ7台(UAV5台、地上2台)の504.9Kフレームと7.3M以上の識別ラベル付きバウンディングボックスを含んでいる。
全てのカメラはランダムで実質的な動きを示す。
私たちの知る限りでは、RealMvMoATは今までで最大のMvMoATデータセットです。
そのスケール、視点の多様性、複雑なプラットフォームの動き、現実的な軌道は、将来の研究に包括的なリソースを提供する。
RealMvMoATと6つの公開ベンチマークの実験は、FUSIONが最先端のパフォーマンスを達成することを示している。
関連論文リスト
- MultiView-Bench: A Diagnostic Benchmark for World-Centric Multi-View Integration in VLMs [40.317798580235]
VLMの最近のベンチマークは、単一の視点または限られた視点の知覚を主に評価し、視点をまたいだ観察を一貫性のある世界中心の(偏心的な)3Dメンタルモデルに統合するコア認知能力を未検証のまま残している。
我々は,総合的な3Dシーン理解のためのマルチビュー統合を評価するための診断ベンチマークであるMultiView-Benchを紹介する。
情報的視点を積極的に選択し、知覚し、多視点エビデンスを融合するマルチエージェントフレームワークであるViewNavigatorを提案する。
論文 参考訳（メタデータ） (2026-07-09T22:22:42Z) - CalibFree: Self-Supervised View Feature Separation for Calibration-Free Multi-Camera Multi-Object Tracking [50.354685761416484]
CalibFreeは、MCMOTタスクのキャリブレーションや手動ラベリングを必要としない自己教師型表現学習フレームワークである。
MMP-MvMHATデータセットの実験では、全体の精度が3%向上し、最先端のアプローチよりも平均F1スコアが7.5%向上した。
論文 参考訳（メタデータ） (2026-05-10T01:04:12Z) - Multi-view Crowd Tracking Transformer with View-Ground Interactions Under Large Real-World Scenes [48.537990488697965]
多視点の群集追跡は、各人の追跡軌跡を現場の地上で推定する。
最近の研究は主にCNNによる多視点群集追跡アーキテクチャに依存している。
マルチビュートラッキング性能を向上させるために,カメラビューと地上平面の相互作用を取り入れたトランスフォーマーベースのマルチビュー群追跡モデルであるtextitMVTrackTrans を提案する。
論文 参考訳（メタデータ） (2026-04-21T10:26:23Z) - MV-TAP: Tracking Any Point in Multi-View Videos [34.91357343992975]
MV-TAPは、クロスビュー情報を活用することで、ダイナミックシーンのマルチビュービデオのポイントを追跡する、新しいポイントトラッカーである。
このタスクを支援するために,マルチビュートラッキングに適した大規模総合学習データセットと実世界評価セットを構築した。
論文 参考訳（メタデータ） (2025-12-01T18:59:01Z) - 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) - FusionTrack: End-to-End Multi-Object Tracking in Arbitrary Multi-View Environment [7.5152380894919055]
本稿では、追跡と再識別を合理的に統合し、堅牢な軌跡関連のための多視点情報を活用するエンド・ツー・エンド・フレームワークを提案する。
MDMOTと他のベンチマークデータセットの実験は、FusionTrackがシングルビューとマルチビュートラッキングの両方で最先端のパフォーマンスを達成することを示した。
論文 参考訳（メタデータ） (2025-05-24T14:51:19Z) - GMT: A Robust Global Association Model for Multi-Target Multi-Camera Tracking [13.305411087116635]
本稿では,第1追跡段階への依存を2段階の手法で解決し,クロスカメラマッチングを向上するオンラインMTMC追跡モデルを提案する。
具体的には,トランスフォーマーをベースとしたグローバルMTMCアソシエーションモジュールを提案し,様々なカメラやフレームを対象とするアソシエーションを探索する。
高シーンの多様性と複雑な照明条件の変化に対応するため、VisionTrackデータセットを構築した。
論文 参考訳（メタデータ） (2024-07-01T06:39:14Z) - MTMMC: A Large-Scale Real-World Multi-Modal Camera Tracking Benchmark [63.878793340338035]
マルチターゲットマルチカメラトラッキングは、複数のカメラからのビデオストリームを使用して個人を特定し、追跡する重要なタスクである。
このタスクの既存のデータセットは、制御されたカメラネットワーク設定内で合成または人工的に構築される。
我々は16台のマルチモーダルカメラで2つの異なる環境でキャプチャされた長いビデオシーケンスを含む実世界の大規模データセットであるMTMMCを紹介する。
論文 参考訳（メタデータ） (2024-03-29T15:08:37Z) - View-Centric Multi-Object Tracking with Homographic Matching in Moving UAV [43.37259596065606]
無人航空機(UAV)のシナリオの移動における多目的追跡(MOT)の課題に対処する。
シーン背景の変化は、従来のフレーム間オブジェクトIOUアソシエーションメソッドを非効率にするだけでなく、オブジェクトに大きなビューシフトをもたらす。
このフレームワークは,MOTの課題を解決するために,シーン変更に固有のHomographyを初めて活用する。
論文 参考訳（メタデータ） (2024-03-16T06:48:33Z) - DIVOTrack: A Novel Dataset and Baseline Method for Cross-View
Multi-Object Tracking in DIVerse Open Scenes [74.64897845999677]
歩行者が密集したDIVerse Openのシーンを対象とした,新しいクロスビュー多目的追跡データセットを提案する。
私たちのDIVOTrackには15の異なるシナリオと953のクロスビュートラックがあります。
さらに,クロスモット(CrossMOT)という統合型共同検出・クロスビュートラッキングフレームワークを用いた新しいベースラインクロスビュートラッキング手法を提案する。
論文 参考訳（メタデータ） (2023-02-15T14:10:42Z) - Know Your Surroundings: Panoramic Multi-Object Tracking by Multimodality
Collaboration [56.01625477187448]
MMPAT(MultiModality PAnoramic Multi-object Tracking framework)を提案する。
2次元パノラマ画像と3次元点雲を入力とし、マルチモーダルデータを用いて目標軌道を推定する。
提案手法は,検出タスクと追跡タスクの両方においてMMPATが最高性能を達成するJRDBデータセット上で評価する。
論文 参考訳（メタデータ） (2021-05-31T03:16:38Z)
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。