論文の概要: Beyond Direct Sensing: Harnessing Indirect Observations from Third-Party Sensors in Vehicle Tracking

• arxiv url: http://arxiv.org/abs/2609.18173v1
• Date: Wed, 16 Sep 2026 05:58:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.663605
• Title: Beyond Direct Sensing: Harnessing Indirect Observations from Third-Party Sensors in Vehicle Tracking
• Title（参考訳）: 直接センシングを超えて:自動車追尾における第三者センサからの間接的観察のハーネス化
• Abstract要約: 本稿では,弱い匿名イベントを軽微な直接観測で融合するGrayTrackを提案する。 我々の学習に基づく検出器は、匿名車両の通過に対するF1スコア0.989を達成する。
• 参考スコア（独自算出の注目度）: 4.276656808223128
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vehicle tracking is fundamental to applications ranging from urban mobility and public safety to security and defense. Conventional tracking relies on direct access to sensors that provide strong observations such as vehicle identity and location. In practice, however, factors such as ownership, privacy, cost, and operational constraints may limit directly accessible sensors, leaving sparse observations and long tracking gaps. Meanwhile, many additional third-party sensing assets may be present across the environment but remain inaccessible at the raw-data level, preventing their direct integration into the tracking system. In this work, we investigate whether weak, indirect observations with uncertain spatial and temporal cues can complement sparse direct sensing for vehicle tracking. Specifically, we propose GrayTrack, which fuses weak anonymous events with sparse direct observations using a road-constrained particle filter. We build a CARLA-Mininet-WiFi pipeline to evaluate the system under controlled conditions, generating direct observations from accessible cameras and indirect observations from third-party cameras. Our learning-based detector achieves an F1 score of 0.989 for anonymous vehicle passages. Further, incorporating indirect third-party observations reduces trajectory RMSE by 60.1% and catastrophic track loss from 35.8% to 0.3%. These results demonstrate that GrayTrack can effectively exploit weak indirect observations to extend tracking capabilities.
• Abstract（参考訳）: 車両の追跡は、都市移動性や公共安全から安全・防衛まで、様々な用途に基礎を置いている。 従来の追跡は、車両の識別や位置などの強力な観測を提供するセンサーへの直接アクセスに依存している。 しかし実際には、オーナーシップ、プライバシ、コスト、運用上の制約といった要因は、直接アクセス可能なセンサーを制限し、疎い観察と長い追跡ギャップを残している可能性がある。 一方、追加のサードパーティのセンシング資産は環境全体にわたって存在するかもしれないが、生データレベルではアクセスできないため、トラッキングシステムへの直接統合を妨げている。 本研究では,不確実な空間的および時間的手がかりを持つ間接観測が,車両追尾のためのスパース直接センシングを補完するかどうかを考察する。 具体的には、道路制約粒子フィルタを用いて、弱い匿名イベントと疎直観測とを融合するGrayTrackを提案する。 我々はCARLA-Mininet-WiFiパイプラインを構築し、制御された条件下でシステムを評価し、アクセス可能なカメラから直接観察し、サードパーティのカメラから間接的に観察する。 我々の学習に基づく検出器は、匿名車両の通過に対するF1スコア0.989を達成する。 さらに、間接的な第三者観測を取り入れることで、RMSEの軌道は60.1%減少し、破滅的な軌道損失は35.8%から0.3%に減少する。 これらの結果は、GrayTrackがトラッカー機能を拡張するために、弱い間接観測を効果的に活用できることを実証している。

関連論文リスト

• SkyDrive: Learning to Drive in a New City from Aerial Traffic Monitoring [69.91458772455071]
  emphSkyDriveは、ドローンベースのトラフィック監視を使用して、新しい環境における自律運転エージェントの効率的な監視を提供するフレームワークである。 以上の結果から,航空交通監視は,新都市における自律走行システムに適応するための,効率的かつスケーラブルなデータソースであることが示唆された。
  論文  参考訳（メタデータ） (2026-08-25T20:47:09Z)
• Instance-level Visual Active Tracking with Occlusion-Aware Planning [61.982298426203165]
  Visual Active Tracking (VAT)は、カメラを3D空間でターゲットに追従することを目的としている。 VATは、視覚的に類似したイントラクタからの混乱と、閉塞下での深刻な障害という、現実世界のデプロイメントにおいて2つの重要なボトルネックに直面している。 3つの相補的なモジュールを持つ統一パイプラインであるOA-VATを提案する。
  論文  参考訳（メタデータ） (2026-04-23T09:11:50Z)
• Radar Tracker: Moving Instance Tracking in Sparse and Noisy Radar Point Clouds [25.36192517603375]
  我々は、シーン解釈を強化するために、スパースレーダポイント雲における移動インスタンス追跡に対処する。 本稿では,時間的オフセット予測を取り入れた学習型レーダトラッカーを提案する。 提案手法は,RadarScenesデータセットの移動インスタンス追跡ベンチマークの性能向上を示す。
  論文  参考訳（メタデータ） (2025-07-04T09:57:28Z)
• OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
  軌道予測はコンピュータビジョンと自律運転の基本である。 この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。 本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
  論文  参考訳（メタデータ） (2024-04-02T18:30:29Z)
• SKoPe3D: A Synthetic Dataset for Vehicle Keypoint Perception in 3D from Traffic Monitoring Cameras [26.457695296042903]
  道路側から見たユニークな合成車両キーポイントデータセットであるSKoPe3Dを提案する。 SKoPe3Dには150万以上の車両インスタンスと490万のキーポイントがある。 実験では、データセットの適用性と、合成データと実世界のデータ間の知識伝達の可能性を強調した。
  論文  参考訳（メタデータ） (2023-09-04T02:57:30Z)
• Propagate And Calibrate: Real-time Passive Non-line-of-sight Tracking [84.38335117043907]
  本研究では,リレー壁のみを観察することで,見えない部屋を歩いている人を追跡する純粋受動的手法を提案する。 本研究では,リレー壁の映像の非知覚的変化を発掘するため,時間的局所的な動きの伝達に欠かせない特徴として差分フレームを導入する。 提案手法を評価するため,最初の動的受動NLOS追跡データセットであるNLOS-Trackを構築し,公開する。
  論文  参考訳（メタデータ） (2023-03-21T12:18:57Z)
• NVRadarNet: Real-Time Radar Obstacle and Free Space Detection for Autonomous Driving [57.03126447713602]
  本稿では,自動車のRADARセンサを用いて動的障害物や乾燥可能な自由空間を検出するディープニューラルネットワーク(DNN)を提案する。 ネットワークは組み込みGPU上でリアルタイムよりも高速に動作し、地理的領域にわたって優れた一般化を示す。
  論文  参考訳（メタデータ） (2022-09-29T01:30:34Z)
• Fooling LiDAR Perception via Adversarial Trajectory Perturbation [13.337443990751495]
  移動車両から集められたLiDARポイント雲は、歪みを避けるためにセンサーの動きを補償する必要があるため、その軌道の機能です。 その結果、深層学習とGPSによる車両軌道推定の両面から、運動補償は広範に開放されたバックドアになるのだろうか? 我々は、初めてこのような可能性を示す: 生のLiDARの読みを改ざんする必要のある点雲座標を直接攻撃するのではなく、小さな摂動で自動運転車の軌道を逆さまに振るだけで十分である。
  論文  参考訳（メタデータ） (2021-03-29T04:34:31Z)
• Extraction and Assessment of Naturalistic Human Driving Trajectories from Infrastructure Camera and Radar Sensors [0.0]
  本稿では,インフラセンサを用いた交通物体の軌跡抽出手法を提案する。 私たちのビジョンパイプラインは、オブジェクトを正確に検出し、カメラとレーダーを融合させ、時間とともに追跡します。 センサ融合アプローチは、カメラとレーダー検出の利点をうまく組み合わせ、いずれのセンサよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-04-02T22:28:29Z)

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。