Fugu-MT 論文翻訳(概要): MVTrack: Ultrafast Appearance-Free Moving Object Tracking from Compressed Bitstreams

論文の概要: MVTrack: Ultrafast Appearance-Free Moving Object Tracking from Compressed Bitstreams

arxiv url: http://arxiv.org/abs/2608.10790v1
Date: Tue, 11 Aug 2026 10:53:22 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-12 19:14:46.010075
Title: MVTrack: Ultrafast Appearance-Free Moving Object Tracking from Compressed Bitstreams
Title（参考訳）: MVTrack:圧縮ビットストリームから超高速で出現しない移動物体追跡
Abstract要約: MVTrackはH.264ビットストリーム上で直接動作するオブジェクトを動かすための超高速トラッカーである。 VIRATでは、MVTrackは、60$times$より少ないパラメータを使用し、40$times$より少ないFLOPを必要とし、CPUレイテンシを8.6$times$に削減しながら、YOLO26nよりもパフォーマンスが良い。
参考スコア（独自算出の注目度）: 48.0087455344611
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Deploying modern video trackers at scale is bottlenecked by the computational cost of RGB-based object detectors. To this end, we present MVTrack, an ultrafast tracker for moving objects that operates directly on H.264 bitstreams. MVTrack combines MVDet, a lightweight detector for motion vector fields, with MVLink, a minimalist kinematic association module. On VIRAT, MVTrack outperforms YOLO26n while using 60$\times$ fewer parameters, requiring 40$\times$ fewer FLOPs, and reducing CPU latency by 8.6$\times$. These results demonstrate that compressed video data alone can enable accurate and scalable surveillance tracking, thereby bypassing the need for pixel reconstruction.
Abstract（参考訳）: 現代的なビデオトラッカーを大規模に展開することは、RGBベースのオブジェクト検出器の計算コストによってボトルネックとなる。この目的のために,H.264 ビットストリーム上で直接動作するオブジェクトを動かすための超高速トラッカー MVTrack を提案する。 MVTrackは、運動ベクトル場のための軽量検出器であるMVDetと、ミニマリストのキネマティックアソシエーションモジュールであるMVLinkを組み合わせる。 VIRATでは、MVTrackは、60$\times$より少ないパラメータを使用し、40$\times$より少ないFLOPを必要とし、CPUレイテンシを8.6$\times$に削減しながら、YOLO26nよりもパフォーマンスが良い。これらの結果から,圧縮されたビデオデータだけで精度が高くスケーラブルな監視追跡が可能であり,画素再構成の必要性を回避できることが示唆された。

関連論文リスト

MI-DETR: A Strong Baseline for Moving Infrared Small Target Detection with Bio-Inspired Motion Integration [63.87179575890912]
我々は、赤外線小ターゲット検出のためのバイオインスパイアされたデュアルパス検出装置であるモーション統合DETR(MI-DETR)を提案する。まず、網膜にインスパイアされたセルオートマトン(RCA)は、生フレーム配列を外観画像と同じピクセルグリッド上に定義されたモーションマップに変換する。第二に、PMI(Parvocellular-Magnocellular Interconnection)ブロックは2つの経路間の双方向の特徴的相互作用を促進する。
論文参考訳（メタデータ） (2026-03-05T11:39:31Z)
See Without Decoding: Motion-Vector-Based Tracking in Compressed Video [5.682782918456227]
本稿では,RGBビデオの完全復号化を必要とせず,ビデオストリーム上で直接動作する軽量な圧縮ドメイン追跡モデルを提案する。圧縮データからの運動ベクトルと変換係数を用いて、深層モデルは、MOTS15/17/20データセット上のRGBベースラインに対してわずか4%のmAP@0.5ドロップで3.7までの計算速度を達成し、フレーム間のオブジェクト境界ボックスを伝搬する。
論文参考訳（メタデータ） (2026-01-29T15:38:06Z)
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)
Mamba-FETrack: Frame-Event Tracking via State Space Model [14.610806117193116]
本稿では,状態空間モデル(SSM)に基づく新しいRGBイベント追跡フレームワークであるMamba-FETrackを提案する。具体的には、RGBフレームとイベントストリームの特徴を抽出するために、2つのモダリティ固有のMambaバックボーンネットワークを採用する。 FELTとFE108データセットの大規模な実験により、提案したトラッカーの有効性と有効性を完全に検証した。
論文参考訳（メタデータ） (2024-04-28T13:12:49Z)
Mobile Vision Transformer-based Visual Object Tracking [3.9160947065896803]
バックボーンとしてMobileViTを用いた,軽量で高精度かつ高速なトラッキングアルゴリズムを提案する。提案手法は,モデルのパラメータが4.7倍少なく,GPUの2.8倍の速度で動作するにもかかわらず,一般的なDMP-50トラッカーよりも優れている。
論文参考訳（メタデータ） (2023-09-11T21:16:41Z)
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)
Real-time Online Multi-Object Tracking in Compressed Domain [66.40326768209]
近年,Multi-Object Tracking (MOT) 手法が望まれるトラッキング性能を実現している。隣接するフレームが極めて関連性が高く冗長であるという事実に着想を得て、フレームをキーフレームと非キーフレームに分割する。私たちのトラッカーは、同等のトラッカー性能を維持しながら、約6倍高速です。
論文参考訳（メタデータ） (2022-04-05T09:47:24Z)
VariabilityTrack:Multi-Object Tracking with Variable Speed Object Movement [1.6385815610837167]
マルチオブジェクトトラッキング(MOT)は、ビデオ内のオブジェクトのバウンディングボックスとIDを推定することを目的としている。環境フィードバックに基づく可変速度カルマンフィルタアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-03-12T12:39:41Z)
Simultaneous Detection and Tracking with Motion Modelling for Multiple Object Tracking [94.24393546459424]
本稿では,複数の物体の運動パラメータを推定し,共同検出と関連付けを行うディープ・モーション・モデリング・ネットワーク(DMM-Net)を提案する。 DMM-Netは、人気の高いUA-DETRACチャレンジで12.80 @120+ fpsのPR-MOTAスコアを達成した。また,車両追跡のための大規模な公開データセットOmni-MOTを合成し,精密な接地トルースアノテーションを提供する。
論文参考訳（メタデータ） (2020-08-20T08:05:33Z)
Fast Video Object Segmentation With Temporal Aggregation Network and Dynamic Template Matching [67.02962970820505]
ビデオオブジェクト(VOS)に「トラッキング・バイ・検出」を導入する。本稿では,時間的アグリゲーションネットワークと動的時間進化テンプレートマッチング機構を提案する。我々は,DAVISベンチマークで1フレームあたり0.14秒,J&Fで75.9%の速度で,複雑なベルとホイッスルを伴わずに,新しい最先端性能を実現する。
論文参考訳（メタデータ） (2020-07-11T05:44:16Z)
Single Shot Video Object Detector [215.06904478667337]
Single Shot Video Object Detector (SSVD)は、新しいアーキテクチャであり、ビデオ内のオブジェクト検出のための1段階の検出器に機能集約を新規に統合する。 448の448ドルの入力で、SSVDはImageNet VIDデータセットで79.2%のmAPを達成した。
論文参考訳（メタデータ） (2020-07-07T15:36:26Z)

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。