論文の概要: EECTracker: Swarm Motion Prior-Guided Feature Compensation for Airborne Optical UAV Swarm Tracking
- arxiv url: http://arxiv.org/abs/2609.15171v1
- Date: Mon, 14 Sep 2026 07:57:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:06.175228
- Title: EECTracker: Swarm Motion Prior-Guided Feature Compensation for Airborne Optical UAV Swarm Tracking
- Title（参考訳）: EECTracker: 航空機搭載光UAV群追跡のためのSwarm Motion Pre-Guided Feature Compensation
- Abstract要約: EECTrackerは、空中UAV群追跡のためのSwarm-motion-prior-guided joint detection-and-tracking frameworkである。
EECTrackerは最先端の手法と比較して総合的なトラッキング性能が優れていることを示す。
- 参考スコア（独自算出の注目度）: 2.6963400582429036
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Airborne optical tracking of uncrewed aerial vehicle (UAV) swarms is challenging due to extremely small target scales, rapid viewpoint changes, and cluttered backgrounds, which can weaken target feature responses and lead to intermittent or temporarily missing detector responses. Existing multi-object tracking methods generally depend on reliable target-specific detector responses to maintain target states and identities across frames. When such responses become unreliable, target states cannot be reliably updated and cross-frame association cues become ambiguous, resulting in fragmented trajectories and identity switches. To address this problem, we propose EECTracker, a swarm-motion-prior-guided joint detection-and-tracking framework for airborne optical UAV swarm tracking. EECTracker constructs a probabilistic swarm motion prior from reliable historical tracklets to capture the shared short-term image-plane motion tendency of the swarm and its uncertainty, providing spatial guidance for cross-frame feature compensation. Building on this prior, we introduce Energy--Entropy Consistency Activation (EEC Activation) to evaluate motion-prior-conditioned feature consistency using feature residual energy and local residual entropy. The resulting Local EEC score guides pixel-level feature compensation by enhancing motion-prior-consistent feature responses in potential target regions while suppressing inconsistent background responses. Experiments on AIRMOT and UAVSwarm show that EECTracker achieves superior overall tracking performance compared with state-of-the-art methods. Compared with the strongest competing method SCT-MOT, EECTracker improves MOTA/IDF1 by 3.89/1.79 percentage points on AIRMOT and by 2.81/1.74 percentage points on UAVSwarm, while maintaining online inference speed.
- Abstract（参考訳）: 無人航空機群(UAV)の航空機による光学的追跡は、非常に小さな目標スケール、迅速な視点変化、乱れた背景のために困難であり、これは目標の特徴応答を弱め、断続的または一時的に欠落する検知応答を引き起こす。
既存のマルチオブジェクト追跡手法は一般に、フレーム間のターゲット状態とアイデンティティを維持するために、信頼性の高いターゲット固有の検出応答に依存する。
このような応答が信頼できなくなると、ターゲット状態は確実に更新されず、クロスフレームアソシエーションキューは曖昧になり、断片化された軌道とアイデンティティスイッチが生じる。
この問題に対処するため,光UAV群追跡のためのSwarm-motion-prior-guided joint detection-and-tracking frameworkであるEECTrackerを提案する。
EECTrackerは、信頼できる歴史的トラックレットから先立って確率的なSwarm運動を構築し、Swarmの共有短期画像平面運動傾向とその不確実性を捉え、クロスフレーム特徴補償のための空間的ガイダンスを提供する。
これに基づいて,エネルギー-エントロピー共振器活性化(EEC Activation)を導入し,特徴エネルギーと局所残留エントロピーを用いた運動優先条件特徴の整合性を評価する。
得られた局所脳波スコアは、非一貫性バックグラウンド応答を抑えつつ、潜在的対象領域における動き優先特徴応答を増強することにより画素レベルの特徴補償を導出する。
AirMOTとUAVSwarmの実験では、EECTrackerは最先端の手法に比べて全体的なトラッキング性能が優れていることが示されている。
最強の競合手法である SCT-MOT と比較して、EECTracker は MOTA/IDF1 を AIRMOT で 3.89/1.79 ポイント、UAVSwarm で 2.81/1.74 ポイント改善し、オンライン推論速度を維持している。
関連論文リスト
- Event-Based Motion Estimation via Oriented Distance Fields [55.23416502666468]
イベントベースの動き推定は、高時間分解能と高速動作に対する堅牢性を必要とするタスクの中心である。
本稿では,この最適化を,事前計算された事象距離ベクトルの場上の1つの平均ステップに置き換える,オブジェクト指向距離場運動推定(ODF Motion Estimation)を提案する。
公開および自己収集されたデータセットでは,ODFの動作推定は,比較手法の中で最低レイテンシでサブピクセル精度に達する。
論文 参考訳（メタデータ） (2026-08-25T08:27:42Z) - 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) - Edge-Aware Thermal Infrared UAV Swarm Tracking [6.183623476895028]
本稿では,Adaptive Kinematic Kalman Filter(AKKF)を中心としたエッジ対応オンライントラッキングパイプラインを提案する。
AKKFは、リアルタイム効率を保ちながら、状態依存キネマティックモデリングにより線形KFを増強する。
Beyond Strong Baselineベンチマークの実験は、エッジ対応UAVトラッキングの出発点を提供する。
論文 参考訳（メタデータ） (2026-07-14T09:13:54Z) - SCT-MOT: Enhancing Air-to-Air Multiple UAVs Tracking with Swarm-Coupled Motion and Trajectory Guidance [3.098803750460157]
スウォームUAVの空気対空追跡は、複雑な非線形群運動と小さな物体に対する弱い視覚的手がかりによって大きな課題を呈している。
既存の手法は軌道予測を取り入れて性能向上を図っているが、個々の物体を独立してモデル化している。
SCTMO-Tは,Swarm-Coupled Motion ModelingとTrjectory-Guided Feature fusionを統合したトラッキングフレームワークである。
論文 参考訳（メタデータ） (2026-04-08T09:42:28Z) - 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) - AttentiveGRU: Recurrent Spatio-Temporal Modeling for Advanced Radar-Based BEV Object Detection [5.5967570276373655]
鳥眼視(Bird's-eye view, BEV)は、先進的な3Dレーダーによる知覚システムにおいて重要である。
本稿では,アテンラプティブ(AttenRUtive)について紹介する。
論文 参考訳（メタデータ） (2025-04-01T09:10:47Z) - 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) - RTracker: Recoverable Tracking via PN Tree Structured Memory [71.05904715104411]
本稿では,木構造メモリを用いてトラッカーと検出器を動的に関連付け,自己回復を可能にするRTrackerを提案する。
具体的には,正負と負のターゲットサンプルを時系列に保存し,維持する正負のツリー構造メモリを提案する。
我々の中核となる考え方は、正と負の目標カテゴリーの支持サンプルを用いて、目標損失の信頼性評価のための相対的距離に基づく基準を確立することである。
論文 参考訳（メタデータ） (2024-03-28T08:54:40Z) - 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。