論文の概要: Referring Multi-Object Tracking in Moving-Camera Videos via Global Motion Compensation
- arxiv url: http://arxiv.org/abs/2610.04185v1
- Date: Sat, 03 Oct 2026 00:50:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-12 19:30:24.214548
- Title: Referring Multi-Object Tracking in Moving-Camera Videos via Global Motion Compensation
- Title（参考訳）: グローバルモーション補償による移動カメラ映像における複数物体追跡の参照
- Abstract要約: ドライバ・ビュー・ビデオにおけるカメラの動きを推定し,フレーム間の残像の抽出を提案する。
動作マッチング範囲を考慮し,RMOT法の予測結果と統合する。
- 参考スコア（独自算出の注目度）: 3.5348690973777006
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Referring multi-object tracking (RMOT) takes a video and a language expression as input and tracks all referred objects. Many tracking requirements involve how an object moves rather than how it appears. However, in a video captured by a moving camera, a parked vehicle may appear to move, while a moving vehicle may show little displacement. Existing RMOT methods relate motion with text but do not explicitly remove camera-induced motion. In this paper, we propose extracting residual motion across frames by estimating camera motion in driver-view videos and compare motion characteristics with the query expression. We consider the motion-matching extent and integrate it with the RMOT method's prediction result through late fusion. In the evaluation, we verify the performance gain of taking the motion compensation module as a plug-in across different RMOT hosts.
- Abstract（参考訳）: 参照マルチオブジェクト追跡(RMOT)は、ビデオと言語表現を入力として取り、すべての参照オブジェクトを追跡する。
多くのトラッキング要件には、オブジェクトがどのように見えるかではなく、どのように動くかが含まれる。
しかし、動くカメラによって撮影されたビデオでは、駐車した車両は動くように見えるが、移動中の車両はほとんど変位を示さない。
既存のRMOT法は、動きとテキストを関連付けるが、カメラによる動きを明示的に除去しない。
本稿では,ドライバ・ビュー・ビデオにおけるカメラの動きを推定してフレーム間の残像を抽出し,クエリー表現と比較する。
動作マッチング範囲を考慮し,RMOT法の予測結果と統合する。
本評価では,RMOTホスト間での動作補償モジュールのプラグインとしての性能向上を検証した。
関連論文リスト
- MoRight: Motion Control Done Right [71.36903230523589]
両制約に対処する統合フレームワークであるMoRightを紹介した。
オブジェクトの動きは標準静的ビューで指定され、任意のターゲットカメラ視点に転送される。
3つのベンチマークの実験では、生成品質、動作制御性、相互作用認識における最先端のパフォーマンスが示されている。
論文 参考訳（メタデータ） (2026-04-08T17:59:22Z) - MotionFlow:Learning Implicit Motion Flow for Complex Camera Trajectory Control in Video Generation [30.528654507198052]
本稿では,カメラとオブジェクトの動作を,対応する画素の運動に変換することによって統合する新しいアプローチを提案する。
我々のモデルはSOTA法よりも大きなマージンで優れている。
論文 参考訳（メタデータ） (2025-09-25T13:06:12Z) - Segment Any Motion in Videos [80.72424676419755]
本研究では,長距離軌道運動キューとDINOに基づく意味的特徴を組み合わせた移動物体セグメンテーションを提案する。
本モデルでは,動作を優先し,セマンティックサポートを統合しつつ,時空間軌道注意と動き・セマンティック・デカップリング・エンベディングを用いた。
論文 参考訳（メタデータ） (2025-03-28T09:34:11Z) - Motion Prompting: Controlling Video Generation with Motion Trajectories [57.049252242807874]
スパースもしくは高密度なビデオ軌跡を条件とした映像生成モデルを訓練する。
ハイレベルなユーザリクエストを,詳細なセミセンスな動作プロンプトに変換する。
我々は、カメラや物体の動き制御、画像との「相互作用」、動画転送、画像編集など、様々な応用を通してアプローチを実証する。
論文 参考訳（メタデータ） (2024-12-03T18:59:56Z) - Reenact Anything: Semantic Video Motion Transfer Using Motion-Textual Inversion [9.134743677331517]
本研究では、動きから外見を遠ざけるために、事前訓練された画像間映像モデルを提案する。
動作テキストインバージョン(Motion-textual Inversion)と呼ばれるこの手法は、画像から映像へのモデルが、主に(相対的な)画像入力から外観を抽出する、という観察を生かしている。
フレームごとの複数のテキスト/画像埋め込みトークンを含むインフレーションされたモーションテキスト埋め込みを操作することにより、高時間運動粒度を実現する。
動作参照ビデオと対象画像の空間的アライメントを必要とせず,様々な領域にまたがって一般化し,フルボディや顔再現といった様々なタスクに適用することができる。
論文 参考訳（メタデータ） (2024-08-01T10:55:20Z) - Image Conductor: Precision Control for Interactive Video Synthesis [90.2353794019393]
映画製作とアニメーション制作は、しばしばカメラの遷移と物体の動きを調整するための洗練された技術を必要とする。
イメージコンダクタ(Image Conductor)は、カメラトランジションとオブジェクトの動きを正確に制御し、単一の画像からビデオアセットを生成する方法である。
論文 参考訳（メタデータ） (2024-06-21T17:55:05Z) - Direct-a-Video: Customized Video Generation with User-Directed Camera Movement and Object Motion [34.404342332033636]
我々は、カメラのパンやズームの動きだけでなく、複数のオブジェクトのモーションを独立して指定できるシステムであるDirect-a-Videoを紹介した。
カメラの動きの定量的なパラメータを解釈するために,新しい時間的クロスアテンション層を導入する。
どちらのコンポーネントも独立して動作し、個別または複合的な制御を可能にし、オープンドメインシナリオに一般化することができる。
論文 参考訳（メタデータ） (2024-02-05T16:30:57Z)
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。