論文の概要: Moving Regions, Not Moving Objects: Segmenting What Actually Moves under Camera Motion

• arxiv url: http://arxiv.org/abs/2610.31209v1
• Date: Thu, 22 Oct 2026 12:56:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.379228
• Title: Moving Regions, Not Moving Objects: Segmenting What Actually Moves under Camera Motion
• Title（参考訳）: 動く領域、動かない領域:カメラの動きで実際に動くものをセグメンテーションする
• Abstract要約: 移動領域マスクを予測するために2つのフレームを共同で解釈するMORSeを導入する。 単一のRGBエンコーダは多段階の基礎スタックを置き換えるため、光学フロー、ポイントトラック、マスマスジェネレータの分離は不要である。 MoRSeは、移動物体セグメンテーション法と、モーションスレッショルド予測を用いた高密度4次元再構成法の両方に優れる。
• 参考スコア（独自算出の注目度）: 16.15069906360237
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Moving object segmentation is conventionally formulated at the sequence and object level, marking an entire instance as moving once it moves anywhere in a video. Recent instantaneous formulations distinguish moving from stationary intervals, but still generate masks at the object level through frozen segmentation foundation models. Because the mask is derived from an instance-level proposal, motion is typically attributed to the entire instance rather than localized to the regions that actually move. Moreover, such instance-level predictions can produce masks even when no part of the instance is actually moving, revealing a more fundamental issue: motion is not an intrinsic property of an instance; it can only be determined by comparing at least two frames. Building on this premise, we introduce MoRSe, which jointly interprets two frames to predict a moving-region mask, distinguishing actual scene motion from apparent motion induced by the camera. A single RGB encoder replaces multi-stage foundation stacks, so no optical flow, point tracks, or separate mask generator is needed at inference. We release MoRSe-5K, a benchmark of 42 sequences with Static, Dynamic-Static, and Dynamic settings designed to evaluate the model's ability to distinguish and localize moving and stationary regions under different camera and scene motion conditions. MoRSe outperforms both specialized moving object segmentation methods and dense 4D reconstruction methods with motion-thresholded predictions, while producing the fewest false positives on sequences where nothing moves.
• Abstract（参考訳）: 移動対象のセグメンテーションは、通常、シーケンスとオブジェクトのレベルで定式化され、ビデオのどこにでも移動した後にインスタンス全体を移動したとマークする。 最近の瞬間的定式化では、静止間隔からの移動を区別するが、まだ凍ったセグメンテーション基礎モデルによってオブジェクトレベルでマスクを生成する。 マスクはインスタンスレベルの提案に由来するため、モーションは通常、実際に動く領域にローカライズされるのではなく、インスタンス全体に起因する。 さらに、そのようなインスタンスレベルの予測は、インスタンスの一部が実際に動いていない場合でもマスクを生成することができ、より根本的な問題を明らかにする: 動きはインスタンスの本質的な性質ではない。 この前提に基づいて,2つのフレームを共同で解釈して移動領域マスクを予測し,実際のシーンの動きとカメラによって誘導される見かけの動きを区別するMoRSeを導入する。 単一のRGBエンコーダは多段階の基礎スタックを置き換えるため、推論時に光フロー、ポイントトラック、マスマスジェネレータの分離は不要である。 MoRSe-5Kは、静止領域と静止領域を異なるカメラとシーンの動作条件下で識別・ローカライズするモデルの能力を評価するために設計された、静的、動的、動的設定を伴う42のシーケンスのベンチマークである。 MoRSeは、移動対象セグメンテーション法と、動きを保留した予測を伴う密度の高い4次元再構成法の両方を上回り、何も動かないシーケンス上で最も少ない偽陽性を生成する。

関連論文リスト

• What Moves? Localized Motion Representations for Compositional Scene Control [21.30183314834807]
  ユーザが指定した領域に対して永続的な埋め込みを生成する。 入力やマスキングの機能をトリミングする代わりに、我々のモデルは、クエリされた領域で直接エンコーディングされる全映像と条件を処理します。 これにより、グローバルコンテキストを維持しながら局所的なダイナミクスを分離する、時間的に一貫した、地域順応可能な埋め込みが得られる。
  論文  参考訳（メタデータ） (2026-09-03T18:44:53Z)
• 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)
• Instance-Level Moving Object Segmentation from a Single Image with Events [84.12761042512452]
  移動対象セグメンテーションは、複数の移動対象を含む動的なシーンを理解する上で重要な役割を果たす。 従来の手法では、物体の画素変位がカメラの動きや物体の動きによって引き起こされるかどうかを区別することが困難であった。 近年の進歩は、従来の画像の不適切な動作モデリング機能に対抗するために、新しいイベントカメラの動作感度を利用する。 補完的なテクスチャとモーションキューを統合した,最初のインスタンスレベルの移動オブジェクトセグメンテーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-18T15:56:46Z)
• InstMove: Instance Motion for Object-centric Video Segmentation [70.16915119724757]
  本研究では,オブジェクト中心ビデオのインスタンス・モーションを表すInstMoveとインスタンス・レベル・モーションについて検討する。 InstMoveは主に画像特徴の埋め込みのないインスタンスレベルのモーション情報に依存している。 数行のコードだけで、InstMoveは3つの異なるビデオセグメンテーションタスクのために、現在のSOTAメソッドに統合できる。
  論文  参考訳（メタデータ） (2023-03-14T17:58:44Z)
• Unsupervised Multi-object Segmentation by Predicting Probable Motion Patterns [92.80981308407098]
  手動による監督なしに複数の画像オブジェクトを分割する手法を提案する。 この方法は静止画像からオブジェクトを抽出するが、監視のためにビデオを使用する。 シミュレーションおよび実世界のベンチマークで、最先端の教師なしオブジェクトセグメンテーション性能を示す。
  論文  参考訳（メタデータ） (2022-10-21T17:57:05Z)
• Semantic Flow-guided Motion Removal Method for Robust Mapping [7.801798747561309]
  動作領域の抽出に意味情報と光フローを利用する新しい動き除去法を提案する。 ORB-SLAM2は運動除去法と統合され,室内および屋外の動的環境において最高の性能を示した。
  論文  参考訳（メタデータ） (2020-10-14T08:40:16Z)

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。