論文の概要: Training-Free Long-Term Multi-Object Tracking for Sports Video Analytics

• arxiv url: http://arxiv.org/abs/2608.15688v1
• Date: Sun, 16 Aug 2026 11:33:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.391643
• Title: Training-Free Long-Term Multi-Object Tracking for Sports Video Analytics
• Title（参考訳）: スポーツビデオ分析のためのトレーニング不要な長期多目的追跡
• Abstract要約: トレーニング不要なトラッキング・バイ・検出フレームワークであるMcByte++を紹介する。 軽量マスクプロパゲーション、条件付きカメラモーション補償、オンライン再識別を統合している。 SoccerNet追跡とSportsMOTベンチマークでは、McByte++は+3.0 HOTAと+6.1 IDF1の改善を達成している。
• 参考スコア（独自算出の注目度）: 2.8183602850639926
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Long-term multi-object tracking in sports remains challenging due to frequent occlusions, rapid camera motion, and repeated player reappearances. We introduce McByte++, a training-free tracking-by-detection framework that integrates lightweight mask propagation, conditional camera motion compensation, and online re-identification within a unified pipeline. Compared to its predecessor, McByte++ substantially improves runtime efficiency while enhancing identity preservation. On SoccerNet-tracking and SportsMOT benchmarks, McByte++ achieves up to +3.0 HOTA and +6.1 IDF1 improvements over the original McByte in the online setting, with further gains when combined with offline global association. Replacing heavy segmentation components and optimizing motion modeling yields up to an order-of-magnitude speed increase. All results are obtained without detector retraining or dataset-specific tuning. Code will be made available at https://github.com/tstanczyk95/McBytePlusPlus.
• Abstract（参考訳）: スポーツにおける長期多目的追跡は、頻繁な閉塞、迅速なカメラの動き、繰り返しプレイヤーの再出現により、依然として困難である。 我々は、軽量マスク伝搬、条件付きカメラモーション補償、統合パイプライン内のオンライン再識別を統合する、トレーニング不要なトラッキング・バイ・検出フレームワークであるMcByte++を紹介した。 前者と比較すると、McByte++はID保存を強化しながら実行効率を大幅に改善している。 SoccerNet-trackingとSportsMOTのベンチマークでは、McByte++はオンライン環境でのオリジナルのMcByteよりも+3.0 HOTAと+6.1 IDF1の改善を達成し、オフライングローバルアソシエーションと組み合わせればさらに向上する。 重セグメンテーション成分をリプレースし、運動モデリングを最適化すると、オーダー・オブ・マグニチュード・スピードが向上する。 すべての結果は、検出器の再トレーニングやデータセット固有のチューニングなしで得られる。 コードはhttps://github.com/tstanczyk95/McBytePlusPlus.comで公開される。

関連論文リスト

• Multi-State Tracker: Enhancing Efficient Object Tracking via Multi-State Specialization and Interaction [49.36913716757758]
  マルチステートトラッカー(MST)は、過去の効率的なトラッカーを複数のデータセットで上回っている。 MSTは特徴抽出中に複数の段階で複数の状態表現を生成する。 計算では0.1GFLOP、パラメータでは0.66Mしか発生しない。
  論文  参考訳（メタデータ） (2025-08-15T15:19:39Z)
• No Train Yet Gain: Towards Generic Multi-Object Tracking in Sports and Beyond [1.0806835533814036]
  スポーツ分析には多目的追跡(MOT)が不可欠であり、パフォーマンス評価と戦術的洞察を可能にする。 従来のトラッキング・バイ・検出手法は広範囲なチューニングを必要とするが、セグメンテーションに基づくアプローチはトラック処理に苦労する。 我々は,時間的に伝播するセグメンテーションマスクをアソシエーションキューとして統合し,ビデオ単位のチューニングを伴わずにロバスト性を向上させるためのトラッキング・バイ・検出フレームワークであるMcByteを提案する。
  論文  参考訳（メタデータ） (2025-06-02T07:00:15Z)
• Online Dense Point Tracking with Streaming Memory [54.22820729477756]
  デンスポイントトラッキングは、ビデオのかなりの部分を通して、初期フレーム内のすべてのポイントの連続的な追跡を必要とする、困難なタスクである。 最近の点追跡アルゴリズムは、通常、最初のフレームから現在のフレームへの間接的な情報伝達のためにスライドウィンドウに依存する。 我々は、高密度のtextbfPOint textbfTracking とオンラインビデオ処理のための textbfStreaming メモリを備えた軽量で高速なモデルを提案する。
  論文  参考訳（メタデータ） (2025-03-09T06:16:49Z)
• Two-stream Beats One-stream: Asymmetric Siamese Network for Efficient Visual Tracking [54.124445709376154]
  効率的な追跡を行うために,textbfAsymTrack という新しい非対称なシームズトラッカーを提案する。 このアーキテクチャに基づいて、検索機能に重要な手がかりを注入する効率的なテンプレート変調機構を考案する。 実験によると、AsymTrackは異なるプラットフォーム間で、より優れたスピード精度のトレードオフを提供する。
  論文  参考訳（メタデータ） (2025-03-01T14:44:54Z)
• Masks and Boxes: Combining the Best of Both Worlds for Multi-Object Tracking [1.2145800134384477]
  マルチオブジェクト追跡(MOT)は、ビデオシーケンスをまたいだオブジェクトの特定と一貫した追跡を含む。 従来のトラッキング・バイ・検出手法は、広範囲なチューニングと一般化性の欠如を必要とする。 我々は,時間的に伝播するセグメンテーションマスクを強相関キューとして組み込んだ新しいアプローチ,McByteを提案する。
  論文  参考訳（メタデータ） (2024-09-21T18:52:07Z)
• LITE: A Paradigm Shift in Multi-Object Tracking with Efficient ReID Feature Integration [0.3277163122167433]
  マルチオブジェクト追跡(MOT)手法として,軽量な統合的追跡機能抽出パラダイムが導入された。 推論、前処理、後処理、ReIDモデルのトレーニングコストを削減して、ReIDベースのトラッカーを強化する。
  論文  参考訳（メタデータ） (2024-09-06T11:05:12Z)
• Temporal Correlation Meets Embedding: Towards a 2nd Generation of JDE-based Real-Time Multi-Object Tracking [52.04679257903805]
  共同検出・埋め込み(JDE)トラッカーは多目的追跡(MOT)タスクにおいて優れた性能を示した。 TCBTrackという名前のトラッカーは、複数の公開ベンチマークで最先端のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2024-07-19T07:48:45Z)
• Deep HM-SORT: Enhancing Multi-Object Tracking in Sports with Deep Features, Harmonic Mean, and Expansion IOU [0.49998148477760973]
  Deep HM-SORTは、新しいオンライン多目的追跡アルゴリズムである。 外観と動きのバランスを保ち、IDスワップを著しく減少させる。 2つの大規模公開ベンチマークで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-06-17T20:41:14Z)
• Exploring Dynamic Transformer for Efficient Object Tracking [58.120191254379854]
  効率的なトラッキングのための動的トランスフォーマーフレームワークであるDyTrackを提案する。 DyTrackは、様々な入力に対して適切な推論ルートを設定することを学習し、利用可能な計算予算をより活用する。 複数のベンチマークの実験では、DyTrackは単一のモデルで有望な速度精度のトレードオフを実現している。
  論文  参考訳（メタデータ） (2024-03-26T12:31:58Z)
• 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)

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。