論文の概要: Probing Association Instability with Track-State Perturbations for Clip-Level Active Learning in Query-Propagation Multi-Object Tracking
- arxiv url: http://arxiv.org/abs/2608.17224v1
- Date: Tue, 18 Aug 2026 00:24:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.168743
- Title: Probing Association Instability with Track-State Perturbations for Clip-Level Active Learning in Query-Propagation Multi-Object Tracking
- Title（参考訳）: クエリ・プロパゲーション多対象追跡におけるClip-Level Active Learningのためのトラック状態摂動による確率的相関不安定性
- Abstract要約: クエリプロパゲーションのエンドツーエンドのマルチオブジェクト追跡(MOT)モデルのトレーニングには、ビデオシーケンス間の密接なバウンディングボックスとアイデンティティアノテーションが必要である。
提案するQPIDは,分散トラック状態の関連不安定性を目標としたクエリプロパゲーションMOTのクリップ取得手法である。
MeMOTRとSambaMOTRによるDanceTrackとSportsMOTの実験は、QPIDがアクティブラーニングベースラインと比較して高い性能を発揮することを示している。
- 参考スコア（独自算出の注目度）: 1.2673946305606805
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Training query-propagation end-to-end multi-object tracking (MOT) models requires dense bounding-box and identity annotations across video sequences, making dataset construction expensive. Clip-level active learning reduces this cost by selecting video clips for annotation, but prior acquisition criteria based on output-level temporal uncertainty may miss clips whose informativeness comes from association instability in propagated track states. We propose QPID (Query-Propagation Instability and Diversity), a clip acquisition method for query-propagation MOT that targets association instability in propagated track states. QPID estimates this instability by applying two-sided perturbations to internal track states and measuring prediction differences from a clean reference branch. The key idea is that, in stable clips, each propagated track should continue to follow the same target under small perturbations, whereas in ambiguous clips, small changes in the track state can alter which target the track follows, leading to changes in localization or confidence. QPID measures these perturbation-induced prediction differences with two metrics: Localization Drift and Entropy-Weighted Confidence Discrepancy. These metrics are aggregated into a clip-level association-instability score. To avoid redundant uncertainty-only selection, QPID selects a representative annotation batch from high-instability clips using Uncertainty-Weighted Visual Coverage with track-level visual prototypes. Experiments on DanceTrack and SportsMOT with MeMOTR and SambaMOTR show that QPID achieves strong performance compared with active learning baselines under the same annotation budget.
- Abstract（参考訳）: クエリプロパゲーションのエンドツーエンドのマルチオブジェクト追跡(MOT)モデルのトレーニングには、ビデオシーケンス間の密接なバウンディングボックスとアイデンティティアノテーションが必要であるため、データセットの構築が高価になる。
クリップレベルのアクティブラーニングは、アノテーション用のビデオクリップを選択することで、このコストを削減するが、出力レベルの時間的不確実性に基づく事前の取得基準は、伝播軌跡状態における関連不安定性に起因するクリップを見逃す可能性がある。
提案するQPID(Query-Propagation Instability and Diversity, QPID)は, 進行するトラック状態の関連不安定性をターゲットにした, クエリ・プロパゲーションMOTのクリップ取得手法である。
QPIDは、内部の軌道状態に両側の摂動を適用し、クリーンな基準分岐からの予測差を測定することで、この不安定性を推定する。
鍵となる考え方は、安定なクリップでは、各プロパゲートトラックは小さな摂動の下で同じ標的に従っているべきであるが、あいまいなクリップでは、トラック状態の小さな変更は、どのトラックが続くかを変更でき、ローカライゼーションや信頼度の変化につながるというものである。
QPIDは、これらの摂動によって引き起こされる予測差を、局所化ドリフト(Localization Drift)とエントロピー重み付き信頼不一致(Entropy-Weighted Confidence Discrepancy)という2つの指標で測定する。
これらの指標は、クリップレベルのアソシエーション不安定スコアに集約される。
冗長な不確実性のみの選択を避けるため、QPIDは、トラックレベルのビジュアルプロトタイプを備えた不確実性重み付きビジュアルカバレッジを使用して、高不安定なクリップから代表アノテーションバッチを選択する。
MeMOTRとSambaMOTRによるDanceTrackとSportsMOTの実験では、QPIDは、同じアノテーション予算下でのアクティブラーニングベースラインと比較して、高いパフォーマンスを実現している。
関連論文リスト
- Clip-level Uncertainty and Temporal-aware Active Learning for End-to-End Multi-Object Tracking [1.2673946305606805]
動的環境におけるマルチオブジェクト追跡(MOT)は、時間とともに一貫したオブジェクトのアイデンティティを維持するために、堅牢な時間的推論に依存する。
トランスフォーマーベースのエンドツーエンドMOTモデルは、時間依存を明示的にモデル化することで、強力なパフォーマンスを達成する。
高ラベリングコストとビデオの強い冗長性を考えると、アクティブラーニング(AL)はアノテーション効率を改善する効果的なアプローチである。
論文 参考訳（メタデータ） (2026-05-11T01:33:35Z) - ClipTBP: Clip-Pair based Temporal Boundary Prediction with Boundary-Aware Learning for Moment Retrieval [56.989259812432]
境界認識学習に基づくクリップペア時間境界予測フレームワークであるClipTBPを提案する。
我々は,ClipTBPが既存モデルに適用された場合,一貫した性能向上を実現し,あいまいなクエリシナリオにおいても,より堅牢な境界予測性能を示すことを示す。
論文 参考訳（メタデータ） (2026-04-30T08:41:41Z) - Inference-Time Temporal Probability Smoothing for Stable Video Segmentation with SAM2 under Weak Prompts [0.0]
提案するフレームワークは軽量で、モデルに依存しず、リアルタイムでインタラクティブなビデオセグメンテーションに適している。
提案手法は,フレームワイドおよび時間安定性指標の総合的セットを用いて,4つの多様な映像系列に対して評価する。
論文 参考訳（メタデータ） (2026-04-18T19:16:22Z) - Generative Point Tracking with Flow Matching [32.15342097497571]
マルチモーダルトラジェクトリをモデル化するための生成フレームワークであるGenerative Point Tracker (GenPT)を紹介する。
GenPTは、識別トラッカーの反復的な洗練を組み合わせた、新しいフローマッチングの定式化で訓練されている。
モデルの生成能力をいかに活用して点軌道推定を改善するかを示す。
論文 参考訳（メタデータ） (2025-10-23T19:25:14Z) - Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
生成のための教師なし共形推論フレームワークを提案する。
我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。
その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
論文 参考訳（メタデータ） (2025-09-26T23:40:47Z) - SAMITE: Position Prompted SAM2 with Calibrated Memory for Visual Object Tracking [58.35852822355312]
Visual Object Tracking (VOT)は、ビデオ内のターゲットを継続的に追跡する自律運転のようなアプリケーションで広く使われている。
これらの問題に対処するために、ビデオ基盤モデルSAM2をVOTに適用し、各フレームの追跡結果をメモリとして符号化し、残りのフレームを自己回帰的に条件付けする手法を提案する。
これらの課題に対処するために,SAM2 上にモジュールを追加して構築した SAMITE モデルを提案する。
論文 参考訳（メタデータ） (2025-07-29T12:11:56Z) - SoftPQ: Robust Instance Segmentation Evaluation via Soft Matching and Tunable Thresholds [0.0]
フレキシブルかつ解釈可能なインスタンスセグメンテーションメトリックであるSoftPQを提案する。
我々は、既存のメトリクスが見落としているセグメンテーション品質の有意義な違いをSoftPQが捉えていることを示す。
論文 参考訳（メタデータ） (2025-05-17T22:08:33Z) - MATE: Motion-Augmented Temporal Consistency for Event-based Point Tracking [58.719310295870024]
本稿では,任意の点を追跡するイベントベースのフレームワークを提案する。
事象の間隔に起因する曖昧さを解決するため、運動誘導モジュールは運動ベクトルを局所的なマッチングプロセスに組み込む。
このメソッドは、任意のポイントベースラインのイベントのみのトラッキングに対して、$Survival_50$メトリックを17.9%改善する。
論文 参考訳（メタデータ） (2024-12-02T09:13:29Z) - Transform-Equivariant Consistency Learning for Temporal Sentence
Grounding [66.10949751429781]
ビデオ毎により差別的な表現を学習するために,新しい同変一貫性規則学習フレームワークを導入する。
私たちのモチベーションは、クエリ誘導アクティビティの時間的境界を一貫して予測することにある。
特に,ビデオの完全性と滑らか性を高めるために,自己教師付き一貫性損失モジュールを考案した。
論文 参考訳（メタデータ） (2023-05-06T19:29:28Z) - Tracking by Associating Clips [110.08925274049409]
本稿では,オブジェクト関連をクリップワイドマッチングとして扱う方法を検討する。
我々の新しい視点では、1つの長いビデオシーケンスを複数のショートクリップとみなし、そのトラックはクリップ内とクリップ間の両方で実行される。
この新しい手法の利点は2つある。まず、ビデオチャンキングによって中断フレームをバイパスできるため、エラーの蓄積や伝播の追跡に頑健である。
次に、クリップワイドマッチング中に複数のフレーム情報を集約し、現在のフレームワイドマッチングよりも高精度な長距離トラックアソシエーションを実現する。
論文 参考訳（メタデータ） (2022-12-20T10:33:17Z)
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。