論文の概要: Semantic-Aware Temporal Adaptation for UAV Anti-UAV Tracking

• arxiv url: http://arxiv.org/abs/2607.26511v1
• Date: Wed, 29 Jul 2026 06:22:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.552185
• Title: Semantic-Aware Temporal Adaptation for UAV Anti-UAV Tracking
• Title（参考訳）: UAVアンチUAV追跡のための意味認識型時間適応
• Abstract要約: 反UAV追跡は、移動中のオブザーバーUAVのオンボードカメラを使用して敵UAVを位置決めするための、新たな低高度セキュリティタスクである。 カメラプラットフォームとターゲットの両方が同時に動くため、従来のUAVトラッキングと地上ベースのアンチUAVトラッキングとは異なる。 本稿では,UAVアンチUAV追跡のためのセマンティック・アウェア・テンポラル適応フレームワークであるemphSATATrackを提案する。
• 参考スコア（独自算出の注目度）: 53.31397431089487
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: UAV Anti-UAV tracking is an emerging low-altitude security task for localizing an adversarial UAV using the onboard camera of a moving observer UAV. It differs from conventional UAV tracking and ground-based Anti-UAV tracking because both the camera platform and the target move simultaneously. This dual-dynamic setting induces rapid viewpoint changes, motion blur, scale variation, and visually similar distractors, making reliable appearance matching difficult. Under such rapidly changing conditions, fixed visual representations are often insufficient because target appearance becomes unreliable and feature distributions may deviate from the training domain. The target language description remains stable across frames and can therefore serve as a semantic anchor for temporal state propagation, while online feature-distribution alignment can reduce video-specific test-time shifts. In this paper, we propose \emph{SATATrack}, a Semantic-Aware Temporal Adaptation framework for UAV Anti-UAV tracking. SATATrack introduces Semantic-Aware Context Propagation (SACP), which uses the target description to guide temporal context propagation across backbone stages and preserve target identity under rapid appearance changes. An auxiliary contrastive regularizer is used during training to discourage responses to semantically similar background regions. During inference, Temporal-Aware Distribution Alignment (TADA) aligns feature distributions online without updating model parameters, combining recent-frame estimates with training-time statistics for stability. SATATrack achieves state-of-the-art performance on the UAV-Anti-UAV benchmark while remaining competitive in Anti-UAV and UAV object tracking tasks. The code will be available at https://github.com/XiaozhenQiao/SATATrack.
• Abstract（参考訳）: UAVアンチUAV追跡(UAV Anti-UAV tracking)は、移動中のオブザーバーUAVの搭載カメラを用いて敵UAVをローカライズするための、新たな低高度セキュリティタスクである。 カメラプラットフォームとターゲットの両方が同時に動くため、従来のUAVトラッキングと地上ベースのアンチUAVトラッキングとは異なる。 このデュアルダイナミック・セッティングは、急激な視点変化、動きのぼかし、スケールの変化、視覚的に類似したイントラクタを誘導し、信頼性の高い外観整合を困難にする。 このような急速に変化する条件下では、ターゲットの外観が信頼できないようになり、特徴分布がトレーニング領域から逸脱する可能性があるため、固定された視覚表現が不十分であることが多い。 対象言語記述はフレーム間で安定しており、したがって時間的状態伝達のセマンティックアンカーとして機能し、オンラインフィーチャ分配アライメントはビデオ固有のテスト時間シフトを減らすことができる。 本稿では,UAVアンチUAV追跡のためのセマンティック・アウェア・テンポラル適応フレームワークである \emph{SATATrack} を提案する。 SATATrackはSemantic-Aware Context Propagation (SACP)を導入し、ターゲット記述を使用して、バックボーンステージ間の時間的コンテキスト伝搬をガイドし、迅速な外観変化の下でターゲットアイデンティティを保持する。 補助的コントラスト正規化器は、訓練中に意味的に類似した背景領域に対する応答を阻止するために使用される。 予測中、TADA(Temporal-Aware Distribution Alignment)は、モデルパラメータを更新せずに、機能分散をオンラインで調整し、最近のフレーム推定と安定性のトレーニング時間統計を組み合わせる。 SATATrackは、UAV-Anti-UAVベンチマークで最先端のパフォーマンスを達成しつつ、アンチUAVおよびUAVオブジェクト追跡タスクで競争力を維持している。 コードはhttps://github.com/XiaozhenQiao/SATATrack.comから入手できる。

関連論文リスト

• ASUMOT: Motion-Consistency-Based Asynchronous UAV Detection and Tracking with Event Cameras [19.909043024134395]
  ASUMOTは、モーション一貫性に基づく非同期UAV検出および追跡フレームワークである。 ES-UAVは、密接なセマンティックアノテーションを備えた高定義のイベントレベルUAVベンチマークである。
  論文  参考訳（メタデータ） (2026-07-13T09:19:41Z)
• DynFly: Dynamic-Aware Continuous Trajectory Generation for UAV Vision-Language Navigation in Urban Environments [55.73595346639892]
  我々は高レベルナビゲーション推論と実行可能なUAV動作を橋渡しするDynFlyを提案する。 DynFlyはB-スプライン制御点空間のエキスパート軌道を表し、Spline-DiTジェネレータを用いて条件付き軌道生成を学習する。 OpenUAV UAV-VLNベンチマークの実験では、DynFlyは航法性能と軌道品質の両方を改善している。
  論文  参考訳（メタデータ） (2026-06-30T13:33:48Z)
• Eva-Tracker: ESDF-update-free, Visibility-aware Planning with Target Reacquisition for Robust Aerial Tracking [51.06229328990625]
  Eva-Trackerは、航空追跡のための可視性を考慮した軌道計画フレームワークである。 ESDF更新を排除し、リカバリ可能なパス生成メソッドを組み込んで、ターゲット再取得を行う。 提案手法は,従来の最先端手法よりも計算労力の少ないロバストな追跡結果を提供する。
  論文  参考訳（メタデータ） (2026-02-13T02:56:34Z)
• How Far are Modern Trackers from UAV-Anti-UAV? A Million-Scale Benchmark and New Baseline [74.4054700050366]
  無人航空機(UAV)は広範囲のアプリケーションを提供するが、安全性とプライバシー侵害のリスクも大きい。 現在の反UAV研究は、主に固定地上カメラで撮影したRGB、赤外線(IR)、またはRGB-IRビデオに焦点を当てている。 本稿では,UAV-Anti-UAVと呼ばれるマルチモーダル視覚追跡タスクを提案する。
  論文  参考訳（メタデータ） (2025-12-08T10:19:54Z)
• UAUTrack: Towards Unified Multimodal Anti-UAV Visual Tracking [4.161228439649909]
  UAUTrackは単一ストリーム、単一ステージ、エンドツーエンドアーキテクチャ上に構築された統合された単一ターゲット追跡フレームワークである。 その結果、UAUTrackはアンチUAVおよびDUTアンチUAVデータセット上で最先端のパフォーマンスを達成することがわかった。
  論文  参考訳（メタデータ） (2025-12-02T11:47:13Z)
• 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)
• A Real-Time Defense Against Object Vanishing Adversarial Patch Attacks for Object Detection in Autonomous Vehicles [0.0]
  ADAV (Adversarial Defense for autonomous Vehicles) は、物体の消滅するパッチ攻撃に対する新しい防御手法である。 ADAVはリアルタイムで動作し、AVのビデオフィードの以前のフレームからコンテキスト情報を活用する。 ADAVは、Berkeley Deep Drive BDD100Kデータセットの実際の運転データを用いて評価される。
  論文  参考訳（メタデータ） (2024-12-09T05:21:14Z)
• Anti-UAV: A Large Multi-Modal Benchmark for UAV Tracking [59.06167734555191]
  Unmanned Aerial Vehicle (UAV)は、商業とレクリエーションの両方に多くの応用を提供している。 我々は、UAVを追跡し、位置や軌道などの豊富な情報を提供するという課題を考察する。 300以上のビデオペアが580k以上の手動で注釈付きバウンディングボックスを含むデータセット、Anti-UAVを提案します。
  論文  参考訳（メタデータ） (2021-01-21T07:00:15Z)

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。