論文の概要: Template-Search Domain Adaptation via Multi-Stage Feature Alignment for Cross-Modal Object Tracking

• arxiv url: http://arxiv.org/abs/2609.38637v1
• Date: Tue, 29 Sep 2026 22:54:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:26.818345
• Title: Template-Search Domain Adaptation via Multi-Stage Feature Alignment for Cross-Modal Object Tracking
• Title（参考訳）: クロスモーダル物体追跡のための多段階特徴アライメントによるテンプレート検索ドメイン適応
• Abstract要約: TSDA-Trackは、トレーニング中のモダリティの差を低減するためのテンプレート検索ドメイン適応フレームワークである。 AFA以前のTSDA-Trackは、トランスフォーマーのテンプレート検索相互作用の前に逆アライメントを適用し、モダリティ特異的バイアスを抑制する。 Enc-CFA TSDA-Trackは、相互作用後のエンコーダ表現に対してコントラストアライメントを適用し、ターゲットレベルのクロスモーダル対応を強化する。
• 参考スコア（独自算出の注目度）: 6.954242471771774
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Visual object tracking typically assumes that the initial template and subsequent search frames share the same sensing modality. In practice, sensor availability or operation may change over time, creating a substantial representation gap between template and search frames. Unlike conventional multi-modal tracking where paired modalities are simultaneously available, cross-modal tracking requires localization when template and search frames originate from different active modalities. Accordingly, we introduce TSDA-Track, a Template-Search Domain Adaptation framework to reduce modality discrepancy during training. We investigate two feature alignment strategies. Pre-AFA TSDA-Track applies adversarial alignment before transformer's template-search interaction to suppress modality-specific bias. Enc-CFA TSDA-Track applies contrastive alignment to encoder representations after interaction to strengthen target-level cross-modal correspondence. Both variants retain a shared inference pipeline without modality-specific branches. Experiments on LasHeR, and zero-shot evaluations on RGBT234 and GTOT under multiple cross-modal protocols demonstrate improvements over representative state-of-the-art trackers. For instance, under the modality-switch protocol on RGBT234, Pre-AFA TSDA-Track achieves an SR/PR of 43.2/56.0, compared with 36.8/50.0 for ToMP-101 baseline. In addition, a study on Anti-UAV-024 further verifies the applicability of TSDA-Track to aerial tracking. Our study highlights the effectiveness of feature alignment domain adaptation for cross-modal tracking.
• Abstract（参考訳）: ビジュアルオブジェクト追跡は通常、初期テンプレートとその後の検索フレームが同じ感覚モードを共有すると仮定する。 実際には、センサの可用性や操作は時間とともに変化し、テンプレートと検索フレームの間にかなりの差が生じる。 ペアモードが同時に利用可能となる従来のマルチモーダルトラッキングとは異なり、テンプレートと検索フレームが異なるアクティブモードに由来する場合、クロスモーダルトラッキングはローカライズを必要とする。 そこで我々は, テンプレート検索ドメイン適応フレームワークであるTSDA-Trackを導入し, トレーニング中のモダリティの相違を低減する。 2つの特徴アライメント戦略について検討する。 AFA以前のTSDA-Trackは、トランスフォーマーのテンプレート検索相互作用の前に逆アライメントを適用し、モダリティ特異的バイアスを抑制する。 Enc-CFA TSDA-Trackは、相互作用後のエンコーダ表現に対してコントラストアライメントを適用し、ターゲットレベルのクロスモーダル対応を強化する。 どちらの変種も、モダリティ固有の分岐を持たない共用推論パイプラインを保持する。 複数のクロスモーダルプロトコルによるLasHeRの実験と、RGBT234とGTOTのゼロショット評価により、代表的な最先端トラッカーに対する改善が示された。 例えば、RGBT234上のモダリティ・スウィッチプロトコルでは、Pre-AFA TSDA-Track は SR/PR が 43.2/56.0 であり、ToMP-101 ベースラインは 36.8/50.0 である。 さらに、反UAV-024の研究は、TSDA-Trackの空中追跡への適用性をさらに検証している。 本研究は,クロスモーダルトラッキングにおける機能アライメントドメイン適応の有効性について述べる。

関連論文リスト

• Models as Tools: An Agentic Coordination Framework for Unified Multimodal Visual Tracking [46.37628260203197]
  ACTrackは異種モデルをイベントトリガー機構の下で起動可能なツールとして扱うエージェントコーディネートフレームワークである。 ACTrackは8つのRGBベンチマークにおいて最強で最大のトラッカーをはるかに上回っていることを示す。
  論文  参考訳（メタデータ） (2026-08-01T19:58:09Z)
• COVTrack++: Learning Open-Vocabulary Multi-Object Tracking from Continuous Videos via a Synergistic Paradigm [59.26203051651017]
  C-TAOはOpen-Vocabulary Multi-Object Tracking (OVMOT)のための最初の連続アノテーション付きトレーニングセットである フレームワークボトルネックに対するCOVTrack++は,3つのモジュールによる検出とアソシエーションの双方向相互機構を実現するための相乗的フレームワークである。 TAOの実験では、新しいTAAは検証とテストセットで35.4%、30.5%に達し、新しいAssocAは4.8%、新しいLocAは5.8%向上した。
  論文  参考訳（メタデータ） (2026-03-25T07:20:27Z)
• CAMELTrack: Context-Aware Multi-cue ExpLoitation for Online Multi-Object Tracking [68.24998698508344]
  CAMELはコンテキスト対応型マルチキューExpLoitationのための新しいアソシエイトモジュールである。 エンド・ツー・エンドの検知・バイ・トラック方式とは異なり,本手法は軽量かつ高速にトレーニングが可能であり,外部のオフ・ザ・シェルフモデルを活用することができる。 提案するオンライントラッキングパイプラインであるCAMELTrackは,複数のトラッキングベンチマークで最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-05-02T13:26:23Z)
• STCMOT: Spatio-Temporal Cohesion Learning for UAV-Based Multiple Object Tracking [13.269416985959404]
  無人航空機(UAV)ビデオにおける複数物体追跡(MOT)は、コンピュータビジョンにおける多様な用途において重要である。 時空間結合型多目的追跡フレームワーク(STCMOT)を提案する。 歴史的埋め込み機能を用いて,ReIDの表現と検出機能を逐次的にモデル化する。 我々のフレームワークはMOTAとIDF1メトリクスで新しい最先端のパフォーマンスを設定します。
  論文  参考訳（メタデータ） (2024-09-17T14:34:18Z)
• AViTMP: A Tracking-Specific Transformer for Single-Branch Visual Tracking [17.133735660335343]
  本稿では,AViTMP(Adaptive ViT Model Prediction Tracker)を提案する。 この方法は、初めて識別モデルで単一ブランチネットワークをブリッジする。 AViTMPは、特に長期追跡とロバスト性の観点から、最先端のパフォーマンスを実現していることを示す。
  論文  参考訳（メタデータ） (2023-10-30T13:48:04Z)
• Semi-DETR: Semi-Supervised Object Detection with Detection Transformers [105.45018934087076]
  半教師付き物体検出(SSOD)におけるDETRに基づくフレームワークの解析 本報告では,第1次変圧器を用いたエンド・ツー・エンド半教師対象検出器であるSemi-DETRについて述べる。 我々の手法は、最先端の手法をクリアマージンで上回る。
  論文  参考訳（メタデータ） (2023-07-16T16:32:14Z)
• TR-MOT: Multi-Object Tracking by Reference [42.45614650498083]
  本稿では、変形可能なトランス構造に基づくより信頼性の高いアソシエーションを提供するための新しい参照探索(RS)モジュールを提案する。 提案手法は,MOT17およびMOT20データセット上での競合結果を実現する。
  論文  参考訳（メタデータ） (2022-03-30T19:07:26Z)
• Joint Feature Learning and Relation Modeling for Tracking: A One-Stream Framework [76.70603443624012]
  特徴学習と関係モデリングを統合した新しい一ストリーム追跡(OSTrack)フレームワークを提案する。 このようにして、相互誘導により識別的目標指向特徴を動的に抽出することができる。 OSTrackは、複数のベンチマークで最先端のパフォーマンスを実現しており、特に、ワンショットトラッキングベンチマークのGOT-10kでは印象的な結果を示している。
  論文  参考訳（メタデータ） (2022-03-22T18:37:11Z)
• TrTr: Visual Tracking with Transformer [29.415900191169587]
  トランスフォーマーエンコーダデコーダアーキテクチャと呼ばれる強力な注意メカニズムに基づく新しいトラッカーネットワークを提案する。 形状非依存アンカーに基づくターゲットのローカライズを行うトランスの出力を用いて,分類と回帰ヘッドを設計する。 本手法は最先端のアルゴリズムに好適に作用する。
  論文  参考訳（メタデータ） (2021-05-09T02:32:28Z)

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。