論文の概要: SAM3RL: Memory Control via Reinforcement Learning for Visual Object Tracking
- arxiv url: http://arxiv.org/abs/2610.19931v1
- Date: Wed, 14 Oct 2026 10:17:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:16.098547
- Title: SAM3RL: Memory Control via Reinforcement Learning for Visual Object Tracking
- Title（参考訳）: SAM3RL:ビジュアルオブジェクト追跡のための強化学習によるメモリ制御
- Abstract要約: Segment Anything Model 3 (SAM 3)は、画像とビデオのセグメンテーションの基礎モデルである。
我々は、メモリ制御をシーケンシャルな意思決定タスクとみなす、より一般的なデータ駆動型アプローチを提案する。
SAM3RLはSAM 3トラッカーの拡張であり、軽量なメモリコントローラを備え、強化学習によって訓練されている。
- 参考スコア（独自算出の注目度）: 12.724441842139347
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Segment Anything Model 3 (SAM 3) is a foundation model for image and video segmentation that sets the state of the art in visual object tracking. Its tracker, inherited from SAM 2, stores information from past frames in a memory bank, managed by a simple First-In-First-Out rule, allowing temporal consistency in complex videos. Several recent methods improve SAM 2 with hand-crafted memory update rules, each targeting a specific failure mode, such as distractors, occlusions, or object motion. However, their gains transfer only partially to the stronger SAM 3 backbone. We instead present a more general, data-driven approach that frames memory control as a sequential decision-making task. SAM3RL is an extension of the SAM 3 tracker with a lightweight memory controller, trained by reinforcement learning, that decides which frames enter the memory bank in order to maximize tracking performance. SAM3RL sets a new state of the art on 10 of 12 tracking and video object segmentation benchmarks, outperforming all hand-crafted rules without any runtime overhead. The same approach applied to SAM 2 gives SAM2RL, which outperforms hand-crafted rules on 9 of the 12 benchmarks, showing the generality of our method across model generations.
- Abstract（参考訳）: Segment Anything Model 3 (SAM3) は、画像とビデオのセグメンテーションの基礎モデルであり、ビジュアルオブジェクト追跡の最先端を設定できる。
SAM 2から継承されたトラッカーは、過去のフレームからの情報をメモリバンクに格納し、単純なFirst-In-First-Outルールで管理し、複雑なビデオの時間的一貫性を可能にする。
いくつかの最近の方法により、SAM 2は手作りのメモリ更新ルールで改善され、それぞれがイントラクタ、オクルージョン、オブジェクトモーションなどの特定の障害モードをターゲットにしている。
しかし、それらのゲインは部分的にはより強いSAM3のバックボーンに転移するだけである。
代わりに、シーケンシャルな意思決定タスクとしてメモリ制御をフレーム化する、より一般的なデータ駆動型アプローチを提示します。
SAM3RLはSAM 3トラッカーの拡張であり、強化学習によって訓練され、追跡性能を最大化するためにどのフレームがメモリバンクに入るかを決定する軽量メモリコントローラを備える。
SAM3RLは、12のトラッキングとビデオオブジェクトセグメンテーションベンチマークのうち、新しい最先端の10のベンチマークを設定している。
SAM2RLは12ベンチマークのうち9ベンチマークにおいて手作りのルールよりも優れており、モデル世代間でのメソッドの汎用性を示している。
関連論文リスト
- Segment Anything with Motion, Geometry, and Semantic Adaptation for Complex Nonlinear Visual Object Tracking [81.34609950921023]
近年のビジョン基礎モデルはSAM 2で実証されている。
本稿では, SAM 2 を複雑な VOT シナリオに適用する新たなトラッキングフレームワーク SAMOSA を提案する。
論文 参考訳（メタデータ） (2026-05-21T14:25:28Z) - M$^4$-SAM: Multi-Modal Mixture-of-Experts with Memory-Augmented SAM for RGB-D Video Salient Object Detection [43.183940069110186]
メモリ拡張SAM (M$4$-SAM) を用いたマルチモーダル混合実験を行い, SAM2 にモダリティ関連PEFT と階層的特徴融合を実装した。
M$4$-SAMは、3つのパブリックRGB-D VSODデータセット上のすべての評価指標の最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-05-12T08:33:08Z) - Rethinking Memory Design in SAM-Based Visual Object Tracking [41.85403035673912]
本稿では,SAMに基づく視覚的物体追跡のメモリ中心的な研究について述べる。
本稿では,メモリを短期的外見記憶と長期的外見記憶に明示的に分解するハイブリッドメモリフレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-27T15:33:50Z) - SAM 3: Segment Anything with Concepts [93.97262932669081]
概念的プロンプトに基づいて画像やビデオ中のオブジェクトを検出し,セグメントを生成し,追跡する統合モデルであるSegment Anything Model(SAM)3を提案する。
PCSはそのようなプロンプトを受け取り、一致するすべてのオブジェクトインスタンスに対してセグメンテーションマスクとIDを返す。
我々のモデルは、画像レベルの検出器と、単一のバックボーンを共有するメモリベースのビデオトラッカーで構成される。
論文 参考訳（メタデータ） (2025-11-20T18:59:56Z) - SAMITE: Position Prompted SAM2 with Calibrated Memory for Visual Object Tracking [58.35852822355312]
Visual Object Tracking (VOT)は、ビデオ内のターゲットを継続的に追跡する自律運転のようなアプリケーションで広く使われている。
これらの問題に対処するために、ビデオ基盤モデルSAM2をVOTに適用し、各フレームの追跡結果をメモリとして符号化し、残りのフレームを自己回帰的に条件付けする手法を提案する。
これらの課題に対処するために,SAM2 上にモジュールを追加して構築した SAMITE モデルを提案する。
論文 参考訳（メタデータ） (2025-07-29T12:11:56Z) - SAM2RL: Towards Reinforcement Learning Memory Control in Segment Anything Model 2 [2.659882635924329]
Segment Anything Model 2 (SAM2) は、オブジェクトセグメンテーションタスクにおいて強力なパフォーマンスを示している。
最近の方法では、イントラクタやオブジェクトの動きをよりよく扱うために手作りの更新ルールでSAM 2を拡張している。
SAM 2におけるメモリ更新を最適化するための強化学習を用いた基本的なアプローチを提案する。
論文 参考訳（メタデータ） (2025-07-11T12:53:19Z) - A Distractor-Aware Memory for Visual Object Tracking with SAM2 [11.864619292028278]
メモリベースのトラッカー(英: Memory-based tracker)は、最近追跡されたフレームをメモリバッファに連結し、現在の画像をバッファされたフレームに到達させることでターゲットをローカライズすることにより、ターゲットモデルを形成するビデオオブジェクトセグメンテーション手法である。
SAM2.1++はSAM2.1と関連するSAMメモリ拡張を7つのベンチマークで上回り、6つのベンチマークで新しい最先端を設定できる。
論文 参考訳（メタデータ） (2024-11-26T16:41:09Z) - Moving Object Segmentation: All You Need Is SAM (and Flow) [82.78026782967959]
SAMのセグメンテーション能力と移動物体の発見・グループ化能力を利用する光フローとSAMを組み合わせた2つのモデルについて検討する。
第1のモデルでは、RGBではなく光の流れを入力としてSAMに適応させ、第2のモデルではRGBを入力として、フローをセグメント化プロンプトとして使用する。
これらの驚くほど単純な方法は、追加の修正なしに、シングルオブジェクトとマルチオブジェクトのベンチマークにおいて、以前のアプローチをかなり上回っている。
論文 参考訳（メタデータ） (2024-04-18T17:59:53Z) - Personalize Segment Anything Model with One Shot [52.54453744941516]
我々は,Segment Anything Model (SAM) のためのトレーニング不要なパーソナライズ手法を提案する。
PerSAMは、参照マスクを持つ1つのイメージしか持たないため、最初にターゲットのコンセプトを以前のロケーションでローカライズする。
PerSAMは、ターゲット誘導された注意、ターゲットセマンティックなプロンプト、そしてカスケードされたポストリファインメントという3つのテクニックを通じて、他の画像やビデオにセグメントする。
論文 参考訳（メタデータ） (2023-05-04T17:59:36Z)
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。