論文の概要: Continuous Ground-Truth Construction and a Recovery Policy for Air--Water Robotic Tracking

• arxiv url: http://arxiv.org/abs/2610.11096v2
• Date: Mon, 12 Oct 2026 04:11:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-14 23:39:49.674807
• Title: Continuous Ground-Truth Construction and a Recovery Policy for Air--Water Robotic Tracking
• Title（参考訳）: 空気-水ロボット追尾の連続的地盤構造構築と復旧策
• Abstract要約: カメラフレームとモーションキャプチャのポーズを同期する構成パイプラインを導入する。 また,信頼性向上型テンプレート選択を中心に,クロスメタルリカバリポリシ(CMRP)を導入する。 CMRPの精度評価では、MixFormerV2より2.95ポイント上の49.90マクロ成功を達成した。
• 参考スコア（独自算出の注目度）: 44.59845448191572
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual tracking across the air-water interface is challenged by splashes, bubbles, refraction, reflections, and abrupt appearance changes that can temporarily invalidate observations. This setting poses two coupled difficulties: first, for evaluation, image-only annotation cannot reliably describe the target's physical location during visual blindness; second, for online tracking, corrupted observations can contaminate motion estimates and appearance templates. We address the first difficulty with a construction pipeline that synchronizes camera frames with motion-capture poses, projects known target geometry, corrects underwater projection with a medium-gated residual, and subjects the annotations to manual review. This yields an evaluation-only cross-medium test set of 22,346 frames. We further introduce a Cross-Medium Recovery Policy (CMRP) centered on confidence-triggered template selection. It supplies MixFormerV2 with the fixed initial template, a window-best pre-trigger template, and a trigger-frame Kalman-guided image crop, together with their associated weights, without retraining the visual backbone. In the accuracy evaluation, CMRP achieves 49.90 Macro Success AUC, 2.95 points above MixFormerV2 Official. On selected cross-medium transition and occlusion-recovery intervals, CMRP increases MixFormerV2 tracking coverage from 47.91\% to 50.43\% relative to Official updating, while mean loss-to-recovery latency over successfully recovered videos decreases from 55.3 to 49.3 frames.
• Abstract（参考訳）: 空気-水界面を横断する視覚的トラッキングは、水しぶき、泡、屈折、反射、そして一時的に観測を無効にできる急激な外見の変化によって挑戦される。 第一に、画像のみのアノテーションは視覚障害者の身体的位置を確実に記述することができず、第二に、オンライン追跡では、劣化した観察により、動きの推定値や外観テンプレートが汚染される。 我々は、カメラフレームとモーションキャプチャーポーズを同期させる建設パイプラインの最初の難しさに対処し、目標形状を計画し、中ゲート残差で水中投影を補正し、アノテーションを手動でレビューする。 これにより22,346フレームの評価のみのクロスナトリウム試験セットが得られる。 さらに,信頼性向上型テンプレート選択を中心に,クロスメタルリカバリポリシ(CMRP)を導入する。 MixFormerV2には、固定された初期テンプレート、ウィンドウベストプレトリガーテンプレート、トリガーフレームのKalman誘導イメージクロップ、および関連する重みを、視覚的なバックボーンをリトレーニングすることなく提供する。 CMRPの精度評価では、MixFormerV2の2.95点である49.90マクロサクセスAUCを達成している。 選択されたクロスメタル遷移とオクルージョン-リカバリ間隔において、CMRPはMixFormerV2トラッキングカバレッジをオフィシャル更新と比較して47.91\%から50.43\%に増加し、リカバリされたビデオに対する損失-回復遅延の平均は55.3から49.3フレームに減少する。

関連論文リスト

• Surgical Kinematics from Monocular Video with Learned Articulated Motion Constraints [0.8657172581058971]
  単眼ビデオから楽器の位置, 向き, 顎角を推定するためのキネマティック再構成ネットワークを提案する。 我々の表現は、凍結したDINOv3特徴のグローバルアテンションプールと、細調整されたSAM 3.1マスクの楽器ランドマークでのローカルプールを組み合わせる。 メインOpen-HベンチマークのLiveMAEと比較すると,パス長平均絶対誤差は0.45から0.34,cmに減少し,時間平均平均偏差は44.54%から54.44%に向上する。
  論文  参考訳（メタデータ） (2026-09-23T01:49:27Z)
• Odometry-Aided Real-Time Mapping for Underwater Robots Using Forward-Looking Sonar [51.8931180857129]
  前向きソナー(FLS)のリアルタイムマッピングは、未解決の目標高度、空間的に一様でないノイズ、断片化された目標境界のため、依然として困難である。 本稿では,高速フーリエ変換(FFT)に基づくデノイング,高速マルチスケール定数偽アラームレート(MCFAR)検出,勾配適応境界接続を組み合わせたケースケード型特徴再構成パイプラインを提案する。 3m×5mプールにおける実験では,3列に3cm未満のルート平均二乗誤差(RMSE)とフレーム平均処理時間42.4msのセンチスケール平面マッピング精度が示された。
  論文  参考訳（メタデータ） (2026-09-21T07:10:04Z)
• AquaOrbit: Sim-to-Real Reinforcement Learning for Underwater Target Orbiting under Intermittent Visual Feedback [51.92060148406936]
  間欠的な視覚的損失は、水中周回中の目標相対的なフィードバックを妨害する。 AquaOrbitは、水中の目標軌道を周回するリカバリモジュールを備えた強化学習用コントローラである。
  論文  参考訳（メタデータ） (2026-09-21T03:29:45Z)
• Track-Leakage-Free Hold-Out Self-Validation for Photogrammetric Reconstruction: Protocol, Sensitivity, and Limits [0.0]
  画像再構成のためのトラックレカジフリーホールドアウトプロトコルを定式化する。 我々は、5つの基準撮影、13のETH3Dレーザースキャンシーン、EuRoC飛行、30のIMC 2025シーンで評価した。
  論文  参考訳（メタデータ） (2026-07-25T17:00:11Z)
• Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
  PointArena 2026は77.2%の精度でベンチマークで2位である。 ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。 次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
  論文  参考訳（メタデータ） (2026-06-29T06:39:03Z)
• Graph Theoretical Outlier Rejection for 4D Radar Registration in Feature-Poor Environments [0.6171990546748666]
  自動車用4Dイメージングレーダーは、ほこりの多い低視界環境での運用に適している。 しかし、ノイズやマルチパスリフレクションによるスキャンの間隔と急激な検出のため、登録は依然として困難である。 斜線グラフ(PCM)に対するレーダ適応型ペアワイズ距離不変スコアリング関数を提案する。 提案手法は,1mセグメントで29.6%,100mセグメントで最大で29.6%削減する。
  論文  参考訳（メタデータ） (2026-04-16T10:44:47Z)
• Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
  新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。 拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。 MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
  論文  参考訳（メタデータ） (2024-05-01T12:03:39Z)
• Coordinate Transformer: Achieving Single-stage Multi-person Mesh Recovery from Videos [91.44553585470688]
  ビデオから複数人の3Dメッシュを回収することは、バーチャルリアリティーや理学療法などにおけるグループ行動の自動認識に向けた重要な第一歩である。 本稿では,複数人物の時空間関係を直接モデル化し,同時にエンドツーエンドでマルチ・メッシュ・リカバリを行うコーディネート・トランスフォーマーを提案する。 3DPWデータセットの実験では、CoordFormerが最先端の精度を大幅に向上し、MPJPE、PAMPJPE、PVEの計測値でそれぞれ4.2%、8.8%、そして4.7%を上回った。
  論文  参考訳（メタデータ） (2023-08-20T18:23:07Z)

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。