論文の概要: SBMVTrack: Spike-Budgeted Multi-View Learning for Energy-Efficient UAV Tracking

• arxiv url: http://arxiv.org/abs/2609.25503v1
• Date: Mon, 21 Sep 2026 23:59:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.150444
• Title: SBMVTrack: Spike-Budgeted Multi-View Learning for Energy-Efficient UAV Tracking
• Title（参考訳）: SBMVTrack:エネルギー効率のよいUAV追跡のためのスパイク予算マルチビュー学習
• Abstract要約: 既存のSNNベースのトラッカーは通常、エネルギー評価にのみスパイク発射率を使用し、実際のスパイク活動の明確な最適化を欠いている。 エネルギー効率の高いUAV追跡のための完全スパイクフレームワークであるSBMVTrackを提案する。 エネルギー重み付けされた発火速度と飽和活性を制限し、余剰スパイク計算を減らす。
• 参考スコア（独自算出の注目度）: 9.25137655838795
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With sparse and event-driven computation, spiking neural networks show great potential for achieving accurate and energy-efficient UAV visual tracking. However, existing SNN-based trackers typically use spike firing rates only for energy evaluation and lack explicit optimization of actual spike activity. To address this, we propose SBMVTrack, a fully spiking framework for energy-efficient UAV tracking. SBMVTrack introduces Energy-Weighted Spike Budgeting (EWSB). EWSB weights actual spike activity according to the computational cost of each spiking layer. It constrains the energy-weighted firing rate and saturation activity, thereby reducing redundant spike computations. To improve tracking performance under the spike budget constraint, we propose Masked Multi-View Target Modeling (MVTM). This method treats the initial template, online template, and search region from the same sequence as correlated temporal views. It enhances the robustness of target representations through cross-view feature completion and identity-consistency learning. Extensive experiments on multiple benchmarks demonstrate that SBMVTrack effectively reduces the average spike firing rate and theoretical energy consumption. Meanwhile, it maintains competitive tracking performance, achieving a better accuracy-energy trade-off. The source code will be released upon acceptance.
• Abstract（参考訳）: スパースとイベント駆動の計算により、スパイクニューラルネットワークは正確でエネルギー効率のよいUAV視覚追跡を実現する大きな可能性を示す。 しかし、既存のSNNベースのトラッカーは通常、エネルギー評価にのみスパイク発射率を使用し、実際のスパイク活動の明確な最適化を欠いている。 そこで本稿では,エネルギー効率の高いUAV追跡のための完全スパイクフレームワークであるSBMVTrackを提案する。 SBMVTrackはEWSB(Energy-Weighted Spike Budgeting)を導入している。 EWSBは、各スパイキング層の計算コストに応じて実際のスパイク活性を重み付けする。 エネルギー重み付けされた発火速度と飽和活性を制限し、余剰スパイク計算を減らす。 スパイク予算制約下でのトラッキング性能を改善するために,Masked Multi-View Target Modeling (MVTM)を提案する。 本手法は,初期テンプレート,オンラインテンプレート,検索領域を相関時間ビューと同じシーケンスから処理する。 クロスビュー機能補完とアイデンティティ一貫性学習によって、ターゲット表現の堅牢性を高める。 複数のベンチマークでの大規模な実験により、SBMVTrackは平均スパイク発火率と理論エネルギー消費を効果的に減少させることが示された。 一方、競争力のある追跡性能を維持し、精度とエネルギーのトレードオフを向上する。 ソースコードは受理時に公開される。

関連論文リスト

• SpikingMOT: A Spike-Driven Multi-Object Tracker [75.7974381720717]
  SpikingMOTはスパイク駆動トラッカーとして提案され、スパイクニューラルネットワーク(SNN)を用いたスパース軌道力学を適応的にモデル化する。 この脳にインスパイアされたループにより、SpikeMOTは広範な実験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） (2026-07-22T08:03:23Z)
• Fully Spiking Neural Networks with Target Awareness for Energy-Efficient UAV Tracking [14.032296206825793]
  スパイキングニューラルネットワーク(SNN)は無人航空機(UAV)におけるエネルギー効率の高い視覚追跡に大きな可能性を示している 本稿では,RGB入力のみを用いたUAV視覚追跡のための,効率的な完全スパイクニューラルネットワークフレームワークSTATrackを提案する。
  論文  参考訳（メタデータ） (2026-03-29T03:18:42Z)
• SpikeTrack: A Spike-driven Framework for Efficient Visual Tracking [21.128378159261008]
  エネルギー効率の高い物体追跡のためのスパイク駆動フレームワークであるSpikeTrackを紹介する。 SpikeTrackは、非対称なタイムステップ展開と一方向の情報フローを利用する、新しい非対称設計を採用している。 SpikeTrackは、RGBトラッキングを正確かつ省エネにするための最初のスパイク駆動フレームワークである。
  論文  参考訳（メタデータ） (2026-02-27T12:16:51Z)
• 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)
• 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)
• 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)
• 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。