論文の概要: ReWorld-Track: A Recursive Event World Model for Language-Guided Multi-Camera Tracking
- arxiv url: http://arxiv.org/abs/2609.36677v1
- Date: Tue, 29 Sep 2026 04:16:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.178411
- Title: ReWorld-Track: A Recursive Event World Model for Language-Guided Multi-Camera Tracking
- Title（参考訳）: ReWorld-Track: 言語誘導マルチカメラ追跡のための再帰的イベントワールドモデル
- Abstract要約: 言語誘導型マルチカメラトラッキングは、観測されていないギャップを越えてターゲットIDを保持する必要がある。
本稿では,今後の予測に関連性の不確実性をもたらすモデルであるReWorld-Trackを提案する。
- 参考スコア（独自算出の注目度）: 12.431755914665656
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Language-guided multi-camera tracking must preserve a target identity across unobserved gaps, where similar candidates and uncertain returns can make early associations unreliable. A wrong match can corrupt the history used to predict later observations and propagate identity errors across subsequent camera handoffs. We propose ReWorld-Track, a recursive event world model that carries association uncertainty into future predictions. Candidate matches and continued waiting define alternative target states, whose posterior probabilities are used to update a persistent recurrent belief. This representation preserves uncertainty about alternative trajectories through successive observations. This belief predicts the next camera, arrival time, and entry region, while appearance and language evidence guide association. By training across successive handoffs, the model learns to retain uncertainty that remains useful for later predictions and identity decisions. ReWorld-Track achieves HOTA scores of 65.19 on CityFlowV2 and 45.36 on MTMMC, with improved identity continuity across repeated handoffs. On MTMMC, its structured posterior update gains 0.50 HOTA points over a similarly sized generic updater and 0.94 points over fixed-moment soft association, raising next-camera accuracy from 86.03% to 87.41% and reducing median arrival-time error from 0.78 s to 0.71 s for subsequent target returns.
- Abstract（参考訳）: 言語誘導型マルチカメラ追跡は、類似の候補や不確実なリターンが早期の関連性を信頼できないような、未観測のギャップを越えてターゲットのアイデンティティを保持する必要がある。
ミスマッチは、後の観察を予測し、その後のカメラハンドオフ間でアイデンティティエラーを伝播するために使われた履歴を損なう可能性がある。
本稿では,今後の予測に関連性の不確実性をもたらす再帰的なイベントワールドモデルであるReWorld-Trackを提案する。
候補が一致し、待ち続けると、後続の確率が持続的なリカレントな信念を更新するために使用される代替ターゲット状態が定義される。
この表現は、連続した観測を通して代替軌道の不確実性を保っている。
この信念は次のカメラ、到着時間、入場地域を予測し、外見と言語エビデンスをガイドする。
連続したハンドオフのトレーニングによって、モデルは、後の予測やアイデンティティ決定に有用である不確実性を維持することを学ぶ。
ReWorld-TrackはCityFlowV2で65.19点、MTMMCで45.36点のHOTAスコアを達成し、繰り返しハンドオフでアイデンティティの連続性が向上した。
MTMMCでは、同様の大きさの汎用更新器で0.50 HOTAポイント、固定モードのソフトアソシエーションで0.94ポイントを獲得し、次のカメラの精度を86.03%から87.41%に引き上げ、平均到着時間誤差を0.78 sから0.71 sに下げた。
関連論文リスト
- Learning What to Recall: Adaptive Multi-Cue Episodic Memory for World Models [82.99807299727796]
本稿では,将来認識型予測監視からエピソードリコールを学習するフレームワークであるFuture-Aware Recall (FAR)を提案する。
FARは、リコールされたコンテキストの条件付きログ類似度による予測ユーティリティを計測する。
キュー固有の関連性を学び、時間、ポーズ、ビジョン、オーディオなどの利用可能な検索キューを自動的に決定し、クエリ毎に信頼する。
論文 参考訳（メタデータ） (2026-09-28T09:07:39Z) - ReDraft, Don't Just Distill: Reference-Driven Revision for Continual VLLM Post-Training [66.72708893922605]
大規模なマルチモーダルモデルのポストトレーニングは、事前トレーニングから保護しながら、新しい機能を追加する必要がある。
SFTは、タスクをほぼゼロの精度から学習する明確なターゲット監視を提供するが、そのオフポリティックターゲットはモデルを十分に移動させ、忘れる原因となる。
モデル自身の失敗から両方を得るReDraftを紹介します。
論文 参考訳（メタデータ） (2026-09-15T04:59:03Z) - Concept drift mitigation through community and spectral graph analysis for the detection of cyberattacks in network traffic [1.3999481573773072]
検出モデルとは独立に各特徴に対して定義された安定性スコアであるt-robustnessを導入する。
特徴の連続した統計状態間のステップバイステップ距離と、その初期状態からの累積的なばらつきを組み合わせ、遅い単調なドリフトが安定性を損なうことができない。
評価はUGR16データセット上で行われ、3つの学習シナリオとコントロールシナリオにまたがる。
論文 参考訳（メタデータ） (2026-09-08T20:51:00Z) - Hi-FLoop: Hierarchical State-Feedback Loops for Multi-Timescale World Modeling [0.09821874476902968]
Hi-FLoopはブランチ一貫性のあるマルチスケールステートフィードバックフレームワークである。
各コミットは、実行されるプレフィックスのみを新しい事実としてフィードバックする。
共同プレビューインタラクションはスパース指向の将来のグラフを誘導する。
論文 参考訳（メタデータ） (2026-09-08T14:25:11Z) - Do Better Imagined Rollouts Mean Better Robot Control? A Controlled Study of World-Model Evaluation Under Feedback [2.5209477824050954]
予測モデルは、固定地平線上でのオープンループ予測精度によってしばしば判断される。
クローズドループ操作では、ロボットが繰り返し行動し、新しい測定値を受け取り、状態推定を更新し、制御を再計算する。
正則な修正が保たれている場合, 長い予測地平線は情報的であり, 補正なしの長時間のロールアウトは閉ループの挙動と大きく異なるランキングを生成できることを示す。
論文 参考訳（メタデータ） (2026-09-02T16:52:30Z) - RynnValue: Scaling Robotic Value Foundation Models with Temporal Distance [84.26294415726723]
汎用報酬モデルが、ロボット学習のスケーリングのボトルネックになりつつある。
ロボット操作のためのオープンソースのバリューファンデーションモデルであるRynnValueを紹介した。
RynnValueは7000時間以上、好みやプログレッシブアノテーションなしで約3Mの命令条件付きクリップにスケールする。
論文 参考訳（メタデータ） (2026-08-10T17:09:37Z) - From Surface Forecasting to Observability Forecasting: A Latent World Model for Cloud-Aware EO Monitoring [0.0]
予測アーキテクチャの世界モデルであるLeWorldModelをクラウド対応の地球観測シーケンスに適用する。
結果として得られたモデルは18.0Mのトレーニングパラメータを持ち、23,904のトレーニングエピソードでゼロからトレーニングされる。
LeWorldModelは、フルフリーズされたバンドルオブザーバビリティベンチマークにおいて、一貫して永続性を上回っている。
論文 参考訳（メタデータ） (2026-07-15T09:52:22Z) - UncTrack: Reliable Visual Object Tracking with Uncertainty-Aware Prototype Memory Network [75.9933952886197]
UncTrackは、標的位置の不確実性を予測する新しい不確実性対応トランスフォーマーである。
本手法は実験における他の最先端手法よりも優れる。
論文 参考訳（メタデータ） (2025-03-17T07:33:16Z) - Toward Reliable Human Pose Forecasting with Uncertainty [51.628234388046195]
我々は、複数のモデルを含む人間のポーズ予測のためのオープンソースのライブラリを開発し、複数のデータセットをサポートする。
我々は、パフォーマンスを高め、より良い信頼をもたらすために、問題の2つの不確実性を考案する。
論文 参考訳（メタデータ） (2023-04-13T17:56:08Z) - Probabilistic Regression for Visual Tracking [193.05958682821444]
本稿では,確率論的回帰定式化を提案し,追跡に適用する。
入力画像が与えられたターゲット状態の条件付き確率密度を予測する。
トラッカーは6つのデータセットに新しい最先端のデータをセットし、LaSOTでは59.8%、TrackingNetでは75.8%のAUCを達成した。
論文 参考訳（メタデータ） (2020-03-27T17:58:37Z)
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。