論文の概要: UniMergeTrack: Hierarchical Model Merging for General RGB-X Visual Object Tracking

• arxiv url: http://arxiv.org/abs/2610.13053v1
• Date: Fri, 09 Oct 2026 06:05:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.419514
• Title: UniMergeTrack: Hierarchical Model Merging for General RGB-X Visual Object Tracking
• Title（参考訳）: UniMergeTrack: 汎用RGB-Xビジュアルオブジェクト追跡のための階層モデルマージ
• Abstract要約: 汎用RGB-Xトラッカーは通常、2つのパラダイムに従う。 We present UniMergeTrack, a new model merging paradigm that preserves task-specific optimization while capable effective cross-task knowledge integration。 LasHeR、RGBT234、VisEvent、VOT-RGBD22、COESOT、CDTBベンチマークの実験は、UniMergeTrackが最先端または競争的なパフォーマンスを達成することを示した。
• 参考スコア（独自算出の注目度）: 43.0846665496995
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: RGB-X tracking leverages complementary modalities, such as thermal infrared, event, or depth, to improve robustness under challenging conditions. Existing general-purpose RGB-X trackers typically follow two paradigms: independent task-specific training and joint training across modality combinations. However, the former suffers from knowledge isolation and model redundancy, while the latter introduces optimization interference across heterogeneous tasks. In this work, we present UniMergeTrack, a new model merging paradigm that preserves task-specific optimization while enabling effective cross-task knowledge integration. UniMergeTrack first trains modality-specific trackers independently and then performs hierarchical model merging. Specifically, transferable backbones are merged across RGB-X tasks via high-pass-filtered merging, and complemented by lightweight task-specific experts that preserve modality-specific cues. Tracking heads are merged within each task using optimal transport-guided channel alignment to mitigate hidden channel mismatch. A subsequent distribution alignment fine-tuning stage further improves compatibility between the unified backbone and task-specific heads. Extensive experiments on the LasHeR, RGBT234, VisEvent, VOT-RGBD22, COESOT, and CDTB benchmarks demonstrate that UniMergeTrack achieves state-of-the-art or competitive performance across RGB-Thermal, RGB-Event, and RGB-Depth tracking tasks, while exhibiting strong generalization to unseen datasets. The source code will be released upon acceptance. The source code of this paper will be released on https://github.com/Event-AHU/OpenEvTracking.
• Abstract（参考訳）: RGB-Xトラッキングは、熱赤外、事象、深度などの相補的なモダリティを活用して、困難な条件下での堅牢性を改善する。 既存の汎用RGB-Xトラッカーは通常、2つのパラダイムに従う。 しかし、前者は知識分離とモデル冗長性に悩まされ、後者は異種タスク間の最適化干渉を導入する。 本稿では,タスク固有の最適化を保ちながら,効果的なタスク間知識統合を実現した新しいモデルマージパラダイムであるUniMergeTrackを提案する。 UniMergeTrackはまず、モダリティ固有のトラッカーを個別に訓練し、階層的なモデルマージを実行する。 具体的には、転送可能なバックボーンは、ハイパスフィルタによるマージによってRGB-Xタスク間でマージされ、モダリティ固有のキューを保持する軽量なタスク固有の専門家によって補完される。 追尾ヘッドは、隠蔽チャネルミスマッチを緩和するために最適な輸送誘導チャネルアライメントを用いて各タスクにマージされる。 その後の分散アライメント微調整段階は、統一されたバックボーンとタスク固有のヘッドとの互換性をさらに向上させる。 LasHeR、RGBT234、VisEvent、VOT-RGBD22、COESOT、CDTBベンチマークに関する大規模な実験は、UniMergeTrackがRGB-Thermal、RGB-Event、RGB-Depthトラッキングタスクにまたがって最先端または競合的なパフォーマンスを達成し、未確認データセットへの強力な一般化を示していることを示している。 ソースコードは受理時に公開される。 この論文のソースコードはhttps://github.com/Event-AHU/OpenEvTracking.comで公開される。

関連論文リスト

• SwiTrack: Tri-State Switch for Cross-Modal Object Tracking [74.15663758681849]
  クロスモーダルオブジェクトトラッキング(CMOT)は、ビデオストリームが異なるモード間で切り替える間、ターゲットの一貫性を維持する新しいタスクである。 SwiTrackは3つの特別なストリームを配置することでCMOTを再定義する新しいステートスイッチングフレームワークである。
  論文  参考訳（メタデータ） (2025-11-20T10:52:54Z)
• UASTrack: A Unified Adaptive Selection Framework with Modality-Customization in Single Object Tracking [38.307090917666144]
  単一対象追跡(SOT)においてマルチモーダルトラッキングは不可欠である 既存のRGB-Xトラッカー(Xは深度、事象、熱モダリティを表す)は、個々のRGB-Xイメージペアに対するタスク固有のトレーニング戦略に依存するか、現実のアプリケーションにおけるモダリティ適応的知覚の重要な重要性に対処できないかのいずれかである。 モデルとパラメータの一体化を容易にする統一適応選択フレームワークであるUASTrackを提案する。
  論文  参考訳（メタデータ） (2025-02-25T14:04:31Z)
• Single-Model and Any-Modality for Video Object Tracking [85.83753760853142]
  任意のモダリティに対して単一のパラメータセットの統一トラッカーUn-Trackを導入する。 任意のモダリティを扱うために,低ランク因子化および再構成手法を用いて,それらの共通潜時空間を学習する。 我々のUn-Trackは、+6.6M(93M以上)のパラメータを持つ+2.14(21.50以上)のGFLOPを導入することで、DepthTrackデータセット上で、+8.1絶対Fスコアゲインを達成する。
  論文  参考訳（メタデータ） (2023-11-27T14:17:41Z)
• RGB-T Tracking Based on Mixed Attention [5.151994214135177]
  RGB-Tトラッキングには、可視光と熱の両モードの画像の使用が含まれる。 本稿では,モーダルの相補的な融合を実現するための混合注意機構に基づくRGB-Tトラッカーを提案する。
  論文  参考訳（メタデータ） (2023-04-09T15:59:41Z)
• Dual Swin-Transformer based Mutual Interactive Network for RGB-D Salient Object Detection [67.33924278729903]
  本研究では,Dual Swin-Transformerを用いたMutual Interactive Networkを提案する。 視覚入力における長距離依存をモデル化するために,RGBと奥行きモードの両方の機能抽出器としてSwin-Transformerを採用している。 5つの標準RGB-D SODベンチマークデータセットに関する総合的な実験は、提案手法の優位性を実証している。
  論文  参考訳（メタデータ） (2022-06-07T08:35:41Z)
• Temporal Aggregation for Adaptive RGBT Tracking [14.00078027541162]
  本稿では,頑健な外見モデル学習を考慮したRGBTトラッカーを提案する。 空間情報のみを含むオブジェクト追跡タスクを実装している既存のRGBTトラッカーとは異なり、この手法では時間情報も考慮されている。
  論文  参考訳（メタデータ） (2022-01-22T02:31:56Z)
• Bi-directional Cross-Modality Feature Propagation with Separation-and-Aggregation Gate for RGB-D Semantic Segmentation [59.94819184452694]
  深度情報はRGBD画像のセマンティックセグメンテーションにおいて有用であることが証明されている。 既存のほとんどの研究は、深度測定がRGBピクセルと正確で整合していると仮定し、問題をモーダルな特徴融合としてモデル化している。 本稿では,RGB特徴量応答を効果的に再検討するだけでなく,複数の段階を通して正確な深度情報を抽出し,代わりに2つの補正表現を集約する,統一的で効率的なクロスモダリティガイドを提案する。
  論文  参考訳（メタデータ） (2020-07-17T18:35:24Z)

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。