Fugu-MT 論文翻訳(概要): Parameter-Dynamic Adaptive Fusion and Calibration Network for RGBT Tracking

論文の概要: Parameter-Dynamic Adaptive Fusion and Calibration Network for RGBT Tracking

arxiv url: http://arxiv.org/abs/2608.01807v1
Date: Mon, 03 Aug 2026 07:15:57 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-04 15:07:25.371178
Title: Parameter-Dynamic Adaptive Fusion and Calibration Network for RGBT Tracking
Title（参考訳）: RGBT追跡のためのパラメータ動的適応核融合と校正ネットワーク
Abstract要約: 私たちはaを提案します。 RGBT追跡のための動的適応核融合ネットワーク(PAFCNet)。 PAFCNetはマルチモーダル核融合と時間的キャリブレーションのためのターゲット条件パラメータを生成する。実験により、PAFCNetは複数のRGBT追跡ベンチマークで競合性能を達成することが示された。
参考スコア（独自算出の注目度）: 10.381714108107852
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Existing RGBT trackers typically employ fusion functions with fixed parameters across different targets and scenarios. Although dynamic-architecture methods improve fusion flexibility by selecting among predefined operations, they still cannot adapt the fusion parameters to the evolving target state. To address these issues, we propose a Parameter-Dynamic Adaptive Fusion and Calibration Network (PAFCNet) for RGBT tracking. PAFCNet dynamically generates target-conditioned parameters for multimodal fusion and temporal calibration, enabling the tracking process to adapt to target appearance variations and modality quality fluctuations. Specifically, we introduce a Target-Adaptive Hypernetwork (TA-HyperNet) that leverages template representations, which preserve stable target identity and recent appearance changes with less background interference, to generate target-conditioned parameters for subsequent fusion and calibration. Based on TA-HyperNet, we design a target-aware parameter-dynamic fusion module that uses the generated parameters to modulate the fusion process. This enables the fusion module to adapt to changes in target appearance and complex scene conditions. Furthermore, since spatio-temporal information propagation may accumulate tracking noise, we propose a dynamic spatio-temporal calibration module that employs TA-HyperNet to generate calibration parameters for spatio-temporal tokens. By dynamically calibrating historical information before propagation, the module improves the reliability of temporal representations. Experimental results demonstrate that PAFCNet achieves competitive performance on multiple RGBT tracking benchmarks.
Abstract（参考訳）: 既存のRGBTトラッカーは通常、異なるターゲットとシナリオをまたいだ固定パラメータの融合関数を使用する。動的アーキテクチャ手法は、事前に定義された操作の中から選択することで、融合の柔軟性を向上させるが、それでも、融合パラメータを進化するターゲット状態に適応することはできない。これらの問題に対処するため,RGBT追跡のためのパラメータ・ダイナミック・アダプティブ・フュージョン・キャリブレーション・ネットワーク(PAFCNet)を提案する。 PAFCNetは、マルチモーダル核融合と時間的キャリブレーションのためのターゲット条件パラメータを動的に生成し、トラッキングプロセスがターゲットの外観変化やモダリティの品質変動に適応できるようにする。具体的には,テンプレート表現を利用したTA-HyperNet(Target-Adaptive Hypernetwork)を提案する。 TA-HyperNetに基づいて,生成したパラメータを融合プロセスの変調に用いるターゲット認識型パラメータ動的融合モジュールを設計する。これにより、融合モジュールは、ターゲットの外観や複雑なシーン条件の変化に適応できる。さらに、時空間情報伝搬はトラッキングノイズを蓄積する可能性があるため、時空間トークンの校正パラメータを生成するためにTA-HyperNetを用いた動的時空間校正モジュールを提案する。伝搬前の履歴情報を動的に校正することにより、モジュールは時間的表現の信頼性を向上させる。実験の結果,PAFCNetは複数のRGBT追跡ベンチマークにおいて競合性能を達成していることがわかった。

関連論文リスト

PointTPA: Dynamic Network Parameter Adaptation for 3D Scene Understanding [51.98954431091292]
本研究では,シーンレベルの点群に対する入力対応ネットワークパラメータを生成するテスト時間適応フレームワークを提案する。 PointTPAはScanNetの検証で78.4%のmIoUを達成した。
論文参考訳（メタデータ） (2026-04-06T17:59:58Z)
Virtual Parameter Sharpening: Dynamic Low-Rank Perturbations for Inference-Time Reasoning Enhancement [0.0]
動的でアクティベーション条件の低い低ランク摂動で冷凍変圧器の線形層を拡大する仮想シャープニング(VPS)について紹介する。本稿では, 完全アルゴリズムの枠組みを提示し, その数学的基礎を解析し, アクティベーション条件付き計算が大規模言語モデルにおける推論能力を向上するメカニズムについて議論する。
論文参考訳（メタデータ） (2025-12-02T16:54:22Z)
Continual Adaptation: Environment-Conditional Parameter Generation for Object Detection in Dynamic Scenarios [54.58186816693791]
環境は時間と空間によって常に変化し、クローズドセットの仮定に基づいて訓練された物体検出器にとって重要な課題となる。そこで本研究では,微調整過程をパラメータ生成に変換する機構を提案する。特に,2経路LoRAベースのドメイン認識アダプタを最初に設計し,特徴をドメイン不変およびドメイン固有コンポーネントに分解する。
論文参考訳（メタデータ） (2025-06-30T17:14:12Z)
Beyond Static Models: Hypernetworks for Adaptive and Generalizable Forecasting in Complex Parametric Dynamical Systems [0.0]
補間ネットワーク学習のためのパラメトリックハイパーネットワーク(PHLieNet)について紹介する。 PHLieNetはパラメータ空間から非線形埋め込みへのグローバルマッピングと、推論埋め込みから動的伝播ネットワークの重みへのマッピングを同時に学習する。観測よりもモデルの空間を補間することにより、PHLieNetはパラメータ化されたシステム挙動間のスムーズな遷移を促進する。
論文参考訳（メタデータ） (2025-06-24T13:22:49Z)
Boosting Domain Incremental Learning: Selecting the Optimal Parameters is All You Need [25.45880299215022]
ドメインインクリメンタルラーニング(DIL)は、連続的なモデル適応を可能にするソリューションを提供する。既存のPIDILメソッドは、ドメインの数と対応するクラスが増加するにつれてパラメータ選択の精度に悩まされる。 PIDILにおけるドメイン選択を改善する軽量フレームワークSOYOを提案する。
論文参考訳（メタデータ） (2025-05-29T17:58:57Z)
HyperFLINT: Hypernetwork-based Flow Estimation and Temporal Interpolation for Scientific Ensemble Visualization [26.472939569860607]
HyperFLINTは、流れ場を推定し、時間的に補間し、アンサンブルデータにおけるパラメータ空間探索を容易にする、新しいディープラーニングベースのアプローチである。一連の実験では、HyperFLINTのフロー場推定性能が大幅に向上し、パラメータ空間探索が可能になった。
論文参考訳（メタデータ） (2024-12-05T12:01:20Z)
Dynamic Adapter Meets Prompt Tuning: Parameter-Efficient Transfer Learning for Point Cloud Analysis [51.14136878142034]
ポイントクラウド分析は、事前訓練されたモデルのポイントクラウドの転送によって、優れたパフォーマンスを実現している。モデル適応のための既存の方法は通常、高い計算コストに依存するため、非効率な全てのモデルパラメータを更新する。本稿では,タスク性能とパラメータ効率のトレードオフを考慮した,ポイントクラウド解析のためのパラメータ効率変換学習を提案する。
論文参考訳（メタデータ） (2024-03-03T08:25:04Z)
On Controller Tuning with Time-Varying Bayesian Optimization [74.57758188038375]
制御対象とその変更に関する適切な事前知識を用いて、時間変化最適化(TVBO)を用いて、変更環境におけるコントローラのオンラインチューニングを行う。本研究では,不確実性注入(UI)を用いたTVBO戦略を提案する。我々のモデルはTVBOの最先端手法よりも優れており、後悔の軽減と不安定なパラメータ構成の低減を実現している。
論文参考訳（メタデータ） (2022-07-22T14:54:13Z)
AUTOMATA: Gradient Based Data Subset Selection for Compute-Efficient Hyper-parameter Tuning [72.54359545547904]
ハイパーパラメータチューニングのための勾配に基づくサブセット選択フレームワークを提案する。ハイパーパラメータチューニングに勾配ベースのデータサブセットを用いることで、3$times$-30$times$のターンアラウンド時間とスピードアップが大幅に向上することを示す。
論文参考訳（メタデータ） (2022-03-15T19:25:01Z)

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。