論文の概要: UAV Video Deblurring via Motion-Aware Diffusion: A Path to Robust Target Detection
- arxiv url: http://arxiv.org/abs/2608.15259v1
- Date: Sat, 15 Aug 2026 14:31:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.241367
- Title: UAV Video Deblurring via Motion-Aware Diffusion: A Path to Robust Target Detection
- Title（参考訳）: 運動認識拡散によるUAV映像の劣化:ロバスト目標検出への道
- Abstract要約: 無人航空機(UAV)は災害対応から交通監視まで様々なシナリオにおいて重要な役割を果たしている。
我々のゴールは、UAV目標検出性能を向上させるために、計算効率が高く効果的なビデオデブロアリング手法を検討することである。
- 参考スコア（独自算出の注目度）: 10.233658861023612
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Unmanned Aerial Vehicles (UAVs) play a crucial role in various scenarios ranging from disaster response to traffic surveillance. However, aerial video footage often suffers from severe motion blur due to rapid flight maneuvers, vibrations, and camera panning, which can significantly degrade downstream tasks such as target detection. Our goal is to explore a computationally-efficient and effective video deblurring approach to enhance UAV target detection performance. To reduce computational cost, we first propose an Adaptive Latent Scale Selector that dynamically adjusts the latent space resolution according to the intensity of UAV motion, thus balancing detail preservation with inference efficiency. To ensure temporal consistency, we introduce a Multi-Frame Alignment and Learnable Gating module to warp and gate the preceding frames, allowing the model to fuse only relevant temporal information and suppress misaligned or uninformative features. Our method can effectively recover sharp details from the UAV video stream. Extensive experiments on real UAV benchmarks demonstrate that our method not only yields superior deblurring performance but also significantly boosts target detection accuracy, making it highly applicable to robust aerial vision tasks.
- Abstract（参考訳）: 無人航空機(UAV)は災害対応から交通監視まで様々なシナリオにおいて重要な役割を果たしている。
しかし、空中ビデオ映像は、急激な飛行操作、振動、カメラパニングによる激しい動きのぼやけに悩まされ、ターゲット検出のような下流のタスクを著しく低下させることがある。
我々のゴールは、UAV目標検出性能を向上させるために、計算効率が高く効果的なビデオデブロアリング手法を検討することである。
まず,UAV運動の強度に応じて遅延空間解像度を動的に調整し,詳細保存と推論効率のバランスをとる適応潜時スケールセレクタを提案する。
時間的整合性を確保するため,先行フレームをワープ・ゲートするマルチフレームアライメント・学習可能ゲーティングモジュールを導入し,関連する時間的情報のみを融合させ,不整合性や不整合性を抑える。
提案手法は,UAVビデオストリームからシャープな詳細を効果的に回収する。
実際のUAVベンチマーク実験により,本手法は優れた劣化性能を得るだけでなく,目標検出精度を著しく向上させ,ロバストな空中視覚タスクに適用可能であることが示された。
関連論文リスト
- JitTrack: Onboard Multi-Object Tracking Against Viewpoint Jitter for Agile UAVs [0.5371337604556311]
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。
論文 参考訳（メタデータ） (2026-08-11T05:00:31Z) - Semantic-Aware Temporal Adaptation for UAV Anti-UAV Tracking [53.31397431089487]
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。
論文 参考訳（メタデータ） (2026-07-29T06:22:03Z) - Decoupling Ego-Motion from Target Dynamics via Dual-Interval Motion Cues for UAV Detection [0.5371337604556311]
無人航空機(UAV)からの物体検出は、激しいエゴモーション、カメラジッタ、大規模変動によって困難にさらされている。
本稿では、カメラによる乱れから目標運動を分離する視覚のみのモーションガイド検出フレームワークを提案する。
VisDrone-VIDデータセットの実験では、強いエゴモーションの下で強いYOLOv8ベースラインに対して一貫した改善が示されている。
論文 参考訳（メタデータ） (2026-05-21T15:18:34Z) - 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) - 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 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) - SOAR: Self-supervision Optimized UAV Action Recognition with Efficient Object-Aware Pretraining [65.9024395309316]
無人航空機(UAV)が捉えた航空映像の自己監督型事前学習アルゴリズムについて紹介する。
我々は,UAVビデオの事前学習効率と下流行動認識性能を向上させるために,事前学習プロセスを通じて人体知識を取り入れた。
論文 参考訳（メタデータ） (2024-09-26T21:15:22Z) - 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) - FOLT: Fast Multiple Object Tracking from UAV-captured Videos Based on
Optical Flow [27.621524657473945]
複数物体追跡(MOT)はコンピュータビジョンにおいてよく研究されている。
しかし、無人航空機(UAV)が撮影したビデオのMOTは、小さな物体の大きさ、ぼやけた物体の外観、そして非常に大きくて不規則な動きのために依然として困難である。
我々はこれらの問題を緩和し、UAVビューで高速かつ正確なMOTに到達するためにFOLTを提案する。
論文 参考訳（メタデータ） (2023-08-14T15:24:44Z) - StreamYOLO: Real-time Object Detection for Streaming Perception [84.2559631820007]
将来を予測する能力を備えたモデルを提供し、ストリーミング知覚の結果を大幅に改善する。
本稿では,複数の速度を駆動するシーンについて考察し,VasAP(Velocity-Awared streaming AP)を提案する。
本手法は,Argoverse-HDデータセットの最先端性能を実現し,SAPとVsAPをそれぞれ4.7%,VsAPを8.2%改善する。
論文 参考訳（メタデータ） (2022-07-21T12:03:02Z) - Implicit Motion Handling for Video Camouflaged Object Detection [60.98467179649398]
本稿では,新しいビデオカモフラージュオブジェクト検出(VCOD)フレームワークを提案する。
短期的および長期的整合性を利用して、ビデオフレームからカモフラージュされたオブジェクトを検出する。
論文 参考訳（メタデータ） (2022-03-14T17:55:41Z)
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。