論文の概要: JitTrack: Onboard Multi-Object Tracking Against Viewpoint Jitter for Agile UAVs
- arxiv url: http://arxiv.org/abs/2608.10485v1
- Date: Tue, 11 Aug 2026 05:00:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-12 19:14:45.911583
- Title: JitTrack: Onboard Multi-Object Tracking Against Viewpoint Jitter for Agile UAVs
- Title（参考訳）: JitTrack: アジャイルUAVの視点ジッタに対するマルチオブジェクトトラッキング
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.5371337604556311
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-object tracking (MOT) onboard agile unmanned aerial vehicles (UAVs) remains challenging due to severe viewpoint jitter induced by camera ego-motion. Rapid attitude changes during flight often lead to significant target displacement across frames, causing inaccurate target association and degraded tracking performance. Existing UAV MOT methods are primarily evaluated on offline benchmarks and seldom address the practical requirements of real-world onboard deployment, including robustness to camera motion and active target following. To address these challenges, we propose JitTrack, an active onboard multi-object tracking framework that accommodates drone dynamics and camera ego-motion. Built upon a query-based transformer tracker, JitTrack introduces semantic refinement to improve the detection of emerging targets, motion-aware query rectification to compensate for target misalignment caused by viewpoint jitter, and a motion-inspired denoising training strategy that simulates camera motion patterns for robust supervision. Furthermore, we develop a perception-planning-control closed-loop tracking pipeline for real-world deployment, enabling collision-free and physically feasible target following on agile UAVs. Extensive experiments on public UAV MOT benchmarks demonstrate consistent improvements over the baseline method, while real-world flight experiments validate the effectiveness and practicality of JitTrack for robust onboard visual tracking under viewpoint jitter.
- Abstract（参考訳）: 無人航空機(UAV)に搭載されたマルチオブジェクトトラッキング(MOT)は、カメラの自走によって引き起こされる厳しい視線ジッタのため、依然として困難である。
飛行中の急激な姿勢変化は、しばしばフレーム間の大きな目標変位を引き起こし、不正確な目標関連と劣化した追跡性能を引き起こす。
既存のUAV MOT法は、主にオフラインベンチマークで評価され、カメラモーションに対する堅牢性やアクティブターゲット追従など、実際のオンボード展開の実践的な要求にほとんど対処しない。
これらの課題に対処するために、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する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JitTrackを提案する。
JitTrackは、クエリベースのトランスフォーマートラッカーを基盤として、新興ターゲットの検出を改善するセマンティックリファインメント、視点ジッタによるターゲットの修正を補償するモーションアウェアクエリ修正、堅牢な監視のためにカメラの動きパターンをシミュレートするモーションインスパイアされたデノイングトレーニング戦略を導入している。
さらに,実世界展開のための知覚計画制御型クローズドループ追跡パイプラインを開発し,アジャイルUAV上での衝突のない,物理的に実現可能なターゲットを実現する。
パブリックなUAV MOTベンチマークの大規模な実験では、ベースライン法よりも一貫した改善が示され、実際の飛行実験では、視点ジッタ下での頑健な視覚追跡のためのJitTrackの有効性と実用性が検証された。
関連論文リスト
- Counterfactual Motion Reliability Learning for Robust UAV Tracking [3.2658295979028753]
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。
論文 参考訳（メタデータ） (2026-07-25T14:01:25Z) - Motion Cues from Image-based Point Tracking for LiDAR Scene Flow Estimation [59.420015367586615]
我々は、LiDARシーンフロー推定における動的オブジェクト表現を改善するための追跡誘導フレームワークであるTrackCueを紹介する。
特に、TrackCueは、ポイントトラッキングを再利用して、LiDARポイントに固定された高密度の画像空間軌跡を得る。
TrackCueは動的ラベルの精度とF1スコアを大幅に向上し、自己監督型シーンフロー推定の性能向上につながることを示す。
論文 参考訳（メタデータ） (2026-05-16T10:28:54Z) - 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) - 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) - NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。
グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。
我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
論文 参考訳（メタデータ） (2025-06-23T14:28:30Z) - 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) - SFTrack: A Robust Scale and Motion Adaptive Algorithm for Tracking Small and Fast Moving Objects [2.9803250365852443]
本稿では,無人航空機(UAV)映像における多物体追跡の問題に対処する。
交通監視システムや警察によるリアルタイム容疑者追跡など、様々なUAVアプリケーションにおいて重要な役割を果たしている。
低信頼度検出から対象物体の追跡を開始する新しい追跡戦略を提案する。
論文 参考訳（メタデータ） (2024-10-26T05:09:20Z) - 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) - Temporally-Transferable Perturbations: Efficient, One-Shot Adversarial
Attacks for Online Visual Object Trackers [81.90113217334424]
本研究では, オブジェクトテンプレート画像からのみ, 一時移動可能な対人的摂動を生成するフレームワークを提案する。
この摂動はあらゆる検索画像に追加され、事実上何のコストもかからないが、それでもトラッカーを騙すのに成功している。
論文 参考訳（メタデータ） (2020-12-30T15:05:53Z)
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。