論文の概要: Fed-MAPTrack: Federated Modality-aware Prompt Tuning for RGB-X Tracking

• arxiv url: http://arxiv.org/abs/2610.34939v1
• Date: Mon, 26 Oct 2026 07:06:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.780199
• Title: Fed-MAPTrack: Federated Modality-aware Prompt Tuning for RGB-X Tracking
• Title（参考訳）: Fed-MAPTrack: RGB-X追跡のためのモダリティ対応プロンプトチューニング
• Abstract要約: Fed-MAPTrackは、RGB-Xトラッキングのためのモダリティ対応のプロンプトチューニングフレームワークである。 RGB共有パラメータをグローバルに集約し、補助特異的、融合、正規化パラメータのための別個の熱、イベント、深さバンクを保持する。 平均的な熱的AUCと深度Fスコアを達成し、平均的なイベントSRは独立系FLよりも0.07ポイント低い。
• 参考スコア（独自算出の注目度）: 28.722551896325097
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: RGB-X tracking complements RGB appearance with thermal, depth, or event observations, but centralized training requires collecting multimodal videos at a single location. Federated training keeps raw videos local, but sensor heterogeneity can create a mismatch between parameter-sharing domains and the clients contributing to them. This mismatch is particularly relevant when RGB-only clients coexist with sensor-equipped clients: their RGB observations remain useful, but they provide no auxiliary measurements for learning sensor-dependent interactions. We propose Fed-MAPTrack, a modality-aware federated prompt tuning framework for RGB-X tracking. The pretrained tracking backbone and prediction head are frozen, and clients optimize and exchange only prompt-related parameters. The server aggregates RGB-shared parameters globally and maintains separate thermal, event, and depth banks for auxiliary-specific, fusion, and normalization parameters. Selective participation retains RGB-only clients' contributions to the global RGB bank while excluding their fusion and normalization updates from modality-specific aggregation. Across three matched training repetitions under a fixed client partition, Fed-MAPTrack improves the mean FedAvg scores by 2.35 AUC points on LasHeR, 3.45 SR points on VisEvent, and 2.11 F-score points on DepthTrack. Among the nine evaluated methods, it achieves the highest mean thermal AUC and depth F-score, while its mean event SR is 0.07 points below that of Independent FL. Controlled ablations show that extending the bucketing scope without a compatible participation rule can reduce performance. These results highlight the need to jointly define the sharing domain and eligible contributors for each parameter group.
• Abstract（参考訳）: RGB-Xトラッキングは、RGBの外観と熱、深度、イベントの観測を補完するが、集中的なトレーニングでは、単一の場所でマルチモーダルビデオを集める必要がある。 フェデレートされたトレーニングは生のビデオをローカルに保存するが、センサーの不均一性はパラメータ共有ドメインとそれらに寄与するクライアントとのミスマッチを生み出す。 このミスマッチは、RGBのみのクライアントがセンサー対応のクライアントと共存する場合に特に重要であり、RGBの観測は有用であるが、センサー依存のインタラクションを学習するための補助的な測定は提供されない。 本稿では,RGB-X追跡のための適応型プロンプトチューニングフレームワークであるFed-MAPTrackを提案する。 事前訓練されたトラッキングバックボーンと予測ヘッドは凍結され、クライアントはプロンプト関連パラメータのみを最適化し、交換する。 サーバは、RGB共有パラメータをグローバルに集約し、補助特化パラメータ、融合パラメータ、正規化パラメータのための別個の熱、イベント、深さバンクを保持する。 選択参加は、RGBのみのクライアントのグローバルRGB銀行への貢献を維持しつつ、その融合とモダリティ固有の集約からの正規化更新を除外している。 固定されたクライアントパーティション下での3つのマッチしたトレーニング繰り返しの中で、Fed-MAPTrackは、LasHeR上の平均FedAvgスコアを2.35AUCポイント、VisEvent上の3.45SRポイント、DepthTrack上の2.11Fスコアポイントで改善する。 9つの評価手法のうち、平均熱的AUCと深度Fスコアを達成し、平均的事象SRは独立FLよりも0.07ポイント低い。 コントロールされた改善は、互換性のある参加ルールなしでバケットスコープを拡張することで、パフォーマンスが低下することを示している。 これらの結果は、各パラメータグループの共有ドメインと許容可能なコントリビュータを共同で定義する必要性を強調します。

関連論文リスト

• RIPPLE in Still Water: Zero-Shot Clustering in Federated Learning with Wavelet Scattering Transform [51.56484100374058]
  クラスタ化されたフェデレートラーニング(FL)は、クライアントを同じローカル分布のグループに分割し、クラスタ毎に1つの特別なモデルを訓練する。 本稿では、各クライアントのローカルデータのスペクトル特性からクラスタ割り当てを完全にオフラインで計算するクラスタリングFLフレームワークであるRIPPLEを提案する。
  論文  参考訳（メタデータ） (2026-10-02T09:35:39Z)
• FedMAD: Modulation-Aware Directional Aggregation for Federated Learning in Remote Sensing Image Classification [6.101839518775969]
  リモートセンシング(RS)において,フェデレートラーニング(FL)が注目されている 本稿では,RS画像分類問題に対する新たなパーソナライズFLフレームワーク(FedMAD)を提案する。 提案フレームワークは,グローバルな共有表現パラメータをクライアント固有の適応パラメータから分離し,クライアント固有の特徴を保存する。
  論文  参考訳（メタデータ） (2026-09-30T20:36:37Z)
• Beyond Symmetric Fusion: Exploiting Task-Dependent Modality Strengths for RGB-Event Small Object Detection [12.262266865349254]
  最先端のRGBイベント検出器は、RGBとイベントデータからの補完的な特徴を組み合わせることで、小型で高速なオブジェクトの検出を改善する。 イベントデータはクラス非依存のローカライゼーションにおいて著しく有効であるが、RGBデータは、ローカライズされたターゲット領域内でより強力なカテゴリエビデンスを提供する。 このタスク依存型非対称性により、非対称なイベント-RGBオブジェクト検出変換器(AERODet)を提案する。
  論文  参考訳（メタデータ） (2026-08-02T15:10:54Z)
• Active Adversarial Perturbation-driven Associative Memory Retrieval for RGB-Event Visual Object Tracking [58.338848435042536]
  RGB-Eventトラッキングは、イベントセンサからRGB外観テクスチャと高密度時間運動キューを融合することにより、ローカライズを改善する。 現実世界のシーンは、従来のマルチモーダル融合を妨げる多様な構造的な信号劣化に悩まされる。 本稿では,RGBイベント追跡に適した階層的摂動・検索フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-24T23:34:06Z)
• Decoupling Amplitude and Phase Attention in Frequency Domain for RGB-Event based Visual Object Tracking [51.31378940976401]
  既存のRGB-Eventトラッキングアプローチでは、イベントカメラのユニークな利点を完全に活用できない。 本稿では,周波数領域の早期融合を実現する新しい追跡フレームワークを提案する。 FE108, FELT, COESOTなど, 広く使用されている3つのRGB-Event追跡ベンチマークデータセットの実験により, 提案手法の性能と効率を実証した。
  論文  参考訳（メタデータ） (2026-01-03T01:10:17Z)
• 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)
• RGB-Sonar Tracking Benchmark and Spatial Cross-Attention Transformer Tracker [4.235252053339947]
  本稿では,新しいRGB-Sonar(RGB-S)トラッキングタスクを提案する。 RGBとソナーモダリティの相互作用により、水中の標的の効率的な追跡を実現する方法について検討する。
  論文  参考訳（メタデータ） (2024-06-11T12:01:11Z)
• 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)
• 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。