論文の概要: Beyond Leaderboard Scores: A Deployment-Focused Protocol for Interpretable Tracking Evaluation in Pedestrian-Centric Environments

• arxiv url: http://arxiv.org/abs/2610.01682v1
• Date: Thu, 01 Oct 2026 13:39:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:24.151838
• Title: Beyond Leaderboard Scores: A Deployment-Focused Protocol for Interpretable Tracking Evaluation in Pedestrian-Centric Environments
• Title（参考訳）: リーダーボードスコアを超えて - 歩行者・市民環境における予測的追跡評価のための展開指向プロトコル
• Abstract要約: 我々は、共有検出を用いてトラッカー動作を分離する、デプロイメント中心のトラッカーのみの評価プロトコルを提案する。 このプロトコルをJackRabbotデータセットとBenchmark(JRDB)に適用するには、6つのオープンソーストラッカーと軽量なPedestrian Reference Tracker(PedRefTrack)を使用します。 検出サポートなしの1.0秒後、GTアシストなしのトラッカーは、適用可能なケースの半数以上において、空間的に正確で同一の出力を維持する。
• 参考スコア（独自算出の注目度）: 1.3438110079762697
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mobile robots operating among pedestrians need trajectories that become available quickly, remain spatially credible through missed observations, preserve identity, and fit within an embedded computing budget. Aggregate tracking scores provide limited insight into when and how trajectories fail, while varying detector inputs can confound tracker and detector quality. We present a deployment-focused, tracker-only evaluation protocol that uses shared detections to isolate tracker behavior and directly evaluates initialization, detector-gap continuation, identity recovery, close-neighbor association, and load-dependent tracker-step runtime, while Higher Order Tracking Accuracy (HOTA) is retained as a complementary aggregate measure. We apply the protocol to the JackRabbot Dataset and Benchmark (JRDB) using six open-source trackers and our lightweight Pedestrian Reference Tracker (PedRefTrack), together with a GT-assisted variant that estimates the remaining tracker-side gap under idealized association and motion. Under fixed detections, the non-GT trackers span only 24.26%-29.67% HOTA yet exhibit markedly different capability profiles. After 1.0 s without detector support, no tracker without GT assistance maintains spatially correct, same-identity output in more than half of eligible cases, making missing-observation continuation the dominant limitation among the tested properties. Close-neighbor failures are smaller and increase mainly at the shortest separations. Tracker-step runtime on an NVIDIA Jetson Orin is heavy-tailed and load-sensitive, causing several trackers to fall below the 10 Hz real-time target in crowded frames. The protocol provides a reproducible way to characterize tracker behavior and deployment suitability in pedestrian-centric environments. Code and evaluation scripts are released at https://github.com/SCAI-Lab/tracker_eval.
• Abstract（参考訳）: 歩行者の間で動く移動ロボットは、素早く利用でき、観察を欠いたまま空間的に信頼性を維持し、アイデンティティを保持し、組込みのコンピューティング予算に適合する軌道を必要とする。 アグリゲートトラッキングスコアは、トラジェクトリがいつ、どのように失敗するかについての限られた洞察を与える一方、様々な検出器入力はトラッカーと検出器の品質を損なうことができる。 本稿では,共有検出を用いてトラッカー動作を分離し,初期化,検出器ギャップ継続,アイデンティティ回復,近接関連,負荷依存トラッカーステップ実行を直接的に評価する,高次トラッカー追跡精度(HOTA)を補完的な集計指標として保持する。 我々は、6つのオープンソーストラッカーと軽量Pedestrian Reference Tracker (PedRefTrack) を用いてJackRabbot Dataset and Benchmark (JRDB) にプロトコルを適用する。 固定検出では、非GTトラッカーは24.26%-29.67% HOTAにしか及ばないが、機能プロファイルは著しく異なる。 検出サポートのない1.0秒後、GTアシストのないトラッカーは、適用可能なケースの半数以上において、空間的正確で同一の出力を維持することができず、試験された特性のうち、欠落した観測継続が支配的な制限となる。 近隣の失敗は小さく、主に最短の分離で増加する。 NVIDIA Jetson Orin上のトラッカーステップは重く、負荷に敏感であるため、複数のトラッカーが混在するフレームにおいて10Hzのリアルタイムターゲット以下に落ちてしまう。 このプロトコルは、歩行者中心の環境におけるトラッカーの挙動とデプロイメントの適合性を再現可能な方法で特徴付ける。 コードと評価スクリプトはhttps://github.com/SCAI-Lab/tracker_eval.comで公開されている。

関連論文リスト

• WaspMOT: A Benchmark for Long-Term Multi-Object Tracking of Trichogramma Wasps [5.233472953215432]
  We introduced WaspMOT, a benchmark for long-duration tracking of Trichogramma waps。 データセットには、それぞれ約12,000フレームの10のシーケンスが含まれている(25 FPSで8分以上)。 我々はByteTrack, BoT-SORT, C-BIoU, OC-SORT, McByteの5つの追跡検出手法を評価する。
  論文  参考訳（メタデータ） (2026-07-09T17:34:04Z)
• K-Track: Kalman-Enhanced Tracking for Accelerating Deep Point Trackers on Edge Devices [8.929138500431433]
  ビデオシーケンスにおけるポイントトラッキングは、ロボット工学、自律システム、拡張現実、ビデオ分析など、現実世界のコンピュータビジョンアプリケーションのための機能である。 最近のディープラーニングベースのトラッカーは、挑戦的なベンチマークで最先端の精度を達成する一方で、フレーム単位の推論への依存は、リソース制約のあるエッジデバイスへのデプロイメントにおいて大きな障壁となる。 我々は、このデプロイメントギャップを埋めるために設計された汎用トラッカーに依存しないアクセラレーションフレームワークであるK-Trackを紹介する。
  論文  参考訳（メタデータ） (2025-12-11T13:26:58Z)
• NextStop: An Improved Tracker For Panoptic LIDAR Segmentation Data [0.6144680854063939]
  4DパノプティカルLiDARセグメンテーションは、自律走行とロボット工学におけるシーン理解に不可欠である。 4D-PLSや4D-STOPのような現在の手法では、トラッキング・バイ・検出方式を採用している。 NextStop1トラッカーは、カルマンフィルタに基づくモーション推定、データアソシエーション管理、トラックレット状態の概念を統合している。
  論文  参考訳（メタデータ） (2025-01-08T09:08:06Z)
• 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)
• RTracker: Recoverable Tracking via PN Tree Structured Memory [71.05904715104411]
  本稿では,木構造メモリを用いてトラッカーと検出器を動的に関連付け,自己回復を可能にするRTrackerを提案する。 具体的には,正負と負のターゲットサンプルを時系列に保存し,維持する正負のツリー構造メモリを提案する。 我々の中核となる考え方は、正と負の目標カテゴリーの支持サンプルを用いて、目標損失の信頼性評価のための相対的距離に基づく基準を確立することである。
  論文  参考訳（メタデータ） (2024-03-28T08:54:40Z)
• CoTracker: It is Better to Track Together [70.63040730154984]
  CoTrackerは、長いビデオシーケンスで多数の2Dポイントを追跡するトランスフォーマーベースのモデルである。 関節トラッキングはトラッキング精度とロバスト性を大幅に改善し、CoTrackerはカメラビューの外側に隠された点や点を追跡することができる。
  論文  参考訳（メタデータ） (2023-07-14T21:13:04Z)
• SRRT: Exploring Search Region Regulation for Visual Object Tracking [58.68120400180216]
  探索領域規則追跡(SRRT)と呼ばれる新しい追跡パラダイムを提案する。 SRRTでは,各フレームに対して最適な探索領域を動的に推定するために,提案された探索領域レギュレータを適用している。 大規模なLaSOTベンチマークでは、SRRTはSiamRPN++とTransTをAUCの4.6%と3.1%で改善した。
  論文  参考訳（メタデータ） (2022-07-10T11:18:26Z)
• Detection Recovery in Online Multi-Object Tracking with Sparse Graph Tracker [17.00871668925939]
  既存の共同検出・追跡手法では、従来のトラックレットと現在の検出とを一致させるために、ペアワイズ・リレーショナルな特徴を用いる。 Sparse Graph Tracker (SGT) はより差別的な高次関係特徴を用いた新しいオンライングラフトラッカーである。 MOT16/17/20とHiEve Challengeでは、SGTはリアルタイムの推論速度で最先端のトラッカーを上回っている。
  論文  参考訳（メタデータ） (2022-05-02T15:09:36Z)
• ArTIST: Autoregressive Trajectory Inpainting and Scoring for Tracking [80.02322563402758]
  オンラインマルチオブジェクトトラッキング(MOT)フレームワークの中核的なコンポーネントの1つは、既存のトラックレットと新しい検出を関連付けることである。 そこで我々は,トラックレットが自然運動を表す可能性を直接測定することにより,トラックレットの提案を評価する確率論的自己回帰生成モデルを提案する。
  論文  参考訳（メタデータ） (2020-04-16T06:43:11Z)

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。