論文の概要: HyperDAM: Hyperspectral Distractor-Aware Memory with Amodal Expansion for SAM 3 Tracking
- arxiv url: http://arxiv.org/abs/2609.34396v1
- Date: Mon, 28 Sep 2026 06:09:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 21:07:00.049086
- Title: HyperDAM: Hyperspectral Distractor-Aware Memory with Amodal Expansion for SAM 3 Tracking
- Title（参考訳）: HyperDAM: SAM 3追跡のためのアモーダル拡張によるハイパースペクトルディトラクタ認識メモリ
- Abstract要約: HyperDAMは、DAM4SAM3ベースのハイパースペクトルトラッカーで、3つの主要な貢献がある。
フレームゼロ校正されたHSIゲートは、イントラクタ解決メモリに対するスペクトル的に一貫性のない更新を拒否する。
因果的ビデオ材料展開器は、凍ったSAM特徴から外向きのみのアモーダル補正を追加する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hyperspectral video provides material cues that can disambiguate targets with similar false-color appearance, yet foundation-model trackers update memory primarily from spatial and appearance evidence. We present HyperDAM, a DAM4SAM3-based hyperspectral tracker with three principal contributions. First, HOTC2026-Modal adds human-verified frame-wise modal masks and mask-tight boxes to all 481 organizer-provided HOTC 2026 videos. Second, a frame-zero-calibrated HSI gate rejects spectrally inconsistent updates to the distractor-resolving memory (DRM) without altering the current prediction. Third, a causal spatiotemporal expander adds outward-only amodal corrections from frozen SAM features. Static-scene recovery and empty-mask RTS smoothing address target switches and full occlusion. Model selection prioritizes cross-domain robustness over leaderboard-specific optimization. The final system ranked second in HOTC 2026, achieving 68.0093% AUC and 87.7703% DP@20 in the organizer's private evaluation.
- Abstract（参考訳）: ハイパースペクトルビデオは、同じ偽色の外観でターゲットを曖昧にすることができるが、基礎モデルトラッカーは、主に空間的および外観的証拠から記憶を更新する。
DAM4SAM3をベースとしたハイパースペクトルトラッカーであるHyperDAMについて述べる。
まず、HOTC2026-Modalは、481人のオーガナイザが提供したHOTC 2026ビデオに、人間の検証されたフレームワイドのマスクとマスクタイトボックスを追加します。
第2に、フレームゼロのHSIゲートは、現在の予測を変更することなく、トラクタ解決メモリ(DRM)のスペクトル的に一貫性のない更新を拒否する。
第3に、因果時空間拡大器は凍ったSAM特徴から外向きのみのアモーダル補正を加える。
静的回復と空マスクRTSスムースなアドレスターゲットスイッチとフルオクルージョン。
モデル選択は、リーダーボード固有の最適化よりもドメイン間の堅牢性を優先する。
最終システムはHOTC 2026で第2位となり、AUCは68.0093%、DP@20は87.7703%となった。
関連論文リスト
- TCAM for Autonomous Deformable Manipulation: The RMC2 Champion System for WBCD 2026 Track 4 [11.62811337213929]
本報告では、WBCD 2026 Track 4: Deformable Manipulation Challengeに対するRCC2 Teamのチャンピオンソリューションについて述べる。
このタスクでは、ロボットが1枚のTシャツをスタックから選択し、印刷用パレットにロードし、首輪を目標領域に合わせ、印刷領域を滑らかにする。
TCAMフレームワークを中心に完全に自律的なシステムを構築しました。ハードウェア、知覚、データ、学習は、ポリシーが扱わなければならない物理的相互作用の複雑さを共同で削減する、という設計原則を掲げています。
最終コンペでは,約23秒で25枚のTシャツをロードし,22。
論文 参考訳（メタデータ） (2026-08-11T09:35:39Z) - Arena-T2I Hard: Benchmarking and Improving Faithfulness with Dependency-Aware Checklist [69.81453995715673]
既存の忠実度ベンチマークは単純な原子命令に依存している。
本稿では,実アリーナT2Iログから抽出した310プロンプトの応力ベンチマークであるArena-T2I Hardを紹介する。
本稿では,各プロンプトをイエス/ノー質問のDAGに分解し,失敗する両親の子孫をゼロにする依存性対応チェックリスト報酬を提案する。
論文 参考訳（メタデータ） (2026-06-30T14:17:05Z) - SENTRY: SAM2-Enhanced Neighbor-Aware and Temporally Reasoned Memory for Visual Tracking [39.49925011934288]
SAM2ベースのビジュアルオブジェクトトラッキングにおけるメモリ更新機構を再検討する。
本稿では,SENTRYについて紹介する。
コミットする前に、各メモリ更新を短時間の時間的一貫性で検証する。
論文 参考訳（メタデータ） (2026-06-23T11:35:15Z) - Beyond the Current Observation: Evaluating Multimodal Large Language Models in Controllable Non-Markov Games [69.57330692969543]
RNG-Benchは、過去の観測を再構築するベースモデルの能力を分離するために設計されたベンチマークスイートである。
RNG-Benchには2つの補完ゲームがある: マッチングペア(英語版) - 特定の場所でカードのIDを短期間明らかにする) と、エゴセントリックなビューを空間地図に統合する3D Maze である。
最も難しい構成では、約128Kのトークンと350のイメージ入力のコンテキストが必要であり、フロンティアMLLMによる飽和には程遠いままである。
論文 参考訳（メタデータ） (2026-06-17T17:59:34Z) - AnyGoal: Vision-Language Guided Multi-Agent Exploration for Training-Free Lifelong Navigation [2.2935396753701065]
我々は、VLM(Vision-Language Model)をフロンティアベースの探索のコアに配置する、トレーニング不要なマルチロボットアーキテクチャであるAnyGoalを紹介する。
BVMは、VLMスコアの精度重み付けによる更新により、画素単位(mu,2)のゴール関連性を維持している。
4方向の知覚アブレーションは、開語彙検出器が支配的な障害モードを探索からゴール検証にシフトしていることを示している。
論文 参考訳（メタデータ） (2026-06-11T20:07:34Z) - SAM-Deep-EIoU: Selective Mask Propagation for Multi-Object Tracking [51.56484100374058]
本稿では,タスク不確実性信号が発火するウィンドウ上でのみ,ベーストラッカーからVOSモデルにディスパッチするトラッキングアルゴリズムである選択的マスク伝搬を提案する。
この方法はトレーニング不要で、ベーストラッカーとVOSモデルの両方をブラックボックスとして扱い、VOSコンポーネントをより有能なモデルに置き換える利点がある。
論文 参考訳（メタデータ） (2026-06-11T08:09:32Z) - Traits Run Deeper: Trait-Specific Asymmetric Fusion for Personality Assessment [53.50824432699408]
Traits Run Deeperは、新しいパーソナリティアセスメントフレームワークである。
MFR(Multimodal Foundation Representation)、TSMF(Trit-Specific Modality Fusion)、DCPR(Distributed-Calibrated Personality Regression)の3つのコンポーネントで構成されている。
論文 参考訳（メタデータ） (2026-06-09T06:38:36Z) - 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) - An Effective Motion-Centric Paradigm for 3D Single Object Tracking in
Point Clouds [50.19288542498838]
LiDARポイントクラウド(LiDAR SOT)における3Dシングルオブジェクトトラッキングは、自動運転において重要な役割を果たす。
現在のアプローチはすべて、外観マッチングに基づくシームズパラダイムに従っている。
我々は新たな視点からLiDAR SOTを扱うための動き中心のパラダイムを導入する。
論文 参考訳（メタデータ） (2023-03-21T17:28:44Z)
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。