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

• arxiv url: http://arxiv.org/abs/2609.25503v2
• Date: Mon, 28 Sep 2026 12:00:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-29 21:31:51.618654
• Title: SBMVTrack: Spike-Budgeted Multi-View Learning for Power-Efficient UAV Tracking
• Title（参考訳）: SBMVTrack:高効率UAVトラッキング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、電力消費のみにスパイク発射率を使用するのが一般的である。 スパイクアクティビティ制御とマルチビュー表現学習を組み合わせた,完全なスパイク追跡フレームワークであるSBMVTrackを提案する。 VisDrone 2018では、SBMVTrackが70.0%の成功率を記録し、SpikeTrackを9.7%上回り、推定消費電力を45.7%削減した。
• 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 power-efficient UAV visual tracking. However, existing SNN-based trackers typically use spike firing rates only for power consumption and lack explicit optimization of actual spike activity. Moreover, regulating spike activity alone does not explicitly encourage stable target representations under partial observations and temporal appearance changes. We propose SBMVTrack, a fully spiking tracking framework that combines spike activity regulation with complementary multi-view representation learning. Specifically, SBMVTrack introduces Energy-Weighted Spike Budgeting (EWSB), which incorporates layer-wise computational costs when regulating spike firing rates and penalizing saturated activations, thereby reducing redundant spike computation. To further improve target representations under the spike budget constraint, we introduce Masked Multi-View Target Modeling (MVTM), which treats the initial template, online template, and search region as temporal views of the same target. By aligning target embeddings between masked and corresponding unmasked views and enforcing cross-view identity consistency, MVTM encourages robustness to missing local cues and temporal appearance changes. Experiments on four UAV benchmarks demonstrate competitive tracking performance with a 24.1% reduction in estimated power consumption relative to the baseline. On VisDrone2018, SBMVTrack achieves a success rate of 70.0%, exceeding SpikeTrack by 9.7 percentage points while reducing estimated power consumption by 45.7%. 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、電力消費にのみスパイク発火率を使用し、実際のスパイクアクティビティの明示的な最適化を欠いている。 さらに、スパイク活性の調節だけでは、部分的な観察や時間的外見の変化下での安定した目標表現を明示的に促進しない。 本稿では,スパイクアクティビティ制御と相補的なマルチビュー表現学習を組み合わせた,完全なスパイク追跡フレームワークであるSBMVTrackを提案する。 具体的には、SBMVTrackでは、スパイク発火率の調整と飽和活性化のペナル化において、階層的な計算コストを取り入れたEnergy-Weighted Spike Budgeting (EWSB)を導入し、余剰スパイク計算を削減した。 スパイク予算制約下でのターゲット表現をさらに改善するために、初期テンプレート、オンラインテンプレート、検索領域を同じターゲットの時間ビューとして扱うMasked Multi-View Target Modeling (MVTM)を導入する。 マスク付きビューとそれに対応するアンマスクビューの間にターゲットの埋め込みを整列させ、クロスビューのアイデンティティ一貫性を強制することにより、MVTMは、欠落したローカルキューと時間的外観の変化に対して堅牢性を促進する。 4つのUAVベンチマークの実験では、ベースラインに対する推定消費電力を24.1%削減し、競争力のある追跡性能を示した。 VisDrone2018では、SBMVTrackが70.0%成功し、SpikeTrackを9.7%上回り、推定消費電力を45.7%削減した。 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。