論文の概要: Calibrating Track-Query Updates at Test Time for Multi-Object Tracking

• arxiv url: http://arxiv.org/abs/2610.38494v1
• Date: Wed, 28 Oct 2026 09:07:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-03 10:35:47.111376
• Title: Calibrating Track-Query Updates at Test Time for Multi-Object Tracking
• Title（参考訳）: マルチオブジェクト追跡のためのテスト時間におけるトラッククエリ更新の校正
• Abstract要約: マルチオブジェクト追跡(MOT)では、複数のオブジェクトをローカライズし、時間とともにそのIDを維持する必要がある。 最近のクエリプロパゲーショントラッカーは、フレーム全体にターゲット固有の表現を持ち込み、現在のフレームイメージ機能でそれらを更新する。 本研究では,TQC(Test-time Track-Query)を提案する。
• 参考スコア（独自算出の注目度）: 2.5604450228736018
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-Object Tracking (MOT) requires localizing multiple objects and maintaining their identities over time. Recent query-propagation trackers carry target-specific representations across frames and update them with current-frame image features, yet identity association remains difficult when visually similar targets overlap or cross. During such interactions, current-frame query updates may contain components directed toward nearby active tracks, which may affect identity association in later frames. To investigate this issue, we analyze track-query updates preceding identity switches (IDSWs), where the same target is assigned a different track ID. Our analysis shows that (i) propagated track-query representations change more abruptly before IDSWs, (ii) current-frame updates have larger positive projections along directions toward other active tracks, and (iii) bounding-box intersection over union (IoU) retrieves the counterpart track involved in a subsequent IDSW with high recall when that track remains active before the switch. Motivated by these findings, we propose Test-time Track-Query Calibration (TQC), a training-free and gradient-free method for query-propagation trackers. TQC calibrates the tracker output before propagation using a bounded correction estimated from update components directed toward nearby active tracks. It requires only track-query representations and bounding boxes available during inference, without retraining or architectural modification. Across nine DanceTrack and SportsMOT test settings, TQC improves HOTA and AssA in all settings and IDF1 in eight, with an average HOTA gain of +0.38 and limited inference overhead. Controlled variants on six validation settings further show that TQC's correction direction yields more consistent HOTA improvements than alternative directions with matched correction norms.
• Abstract（参考訳）: マルチオブジェクト追跡(MOT)では、複数のオブジェクトをローカライズし、時間とともにそのIDを維持する必要がある。 最近のクエリプロパゲーショントラッカーは、フレーム全体にターゲット固有の表現を持ち込み、現在のフレームイメージ機能で更新するが、視覚的に類似したターゲットが重複したり交差する場合、アイデンティティーアソシエーションは困難である。 このようなインタラクションの間、現在のフレームクエリ更新には、近くのアクティブトラックに向けられたコンポーネントが含まれる可能性がある。 この問題を調査するために、同一のトラックIDが割り当てられるIDSW(IDSW)前のトラッククエリ更新を解析する。 私たちの分析は i) プロパゲートなトラッククエリ表現は、IDSWよりも突然変化する。 (II)現在のフレーム更新は、他のアクティブトラックへの方向に沿って大きな正の投影を持ち、 三 ユニオン(IoU)上のバウンディングボックスの交差点は、スイッチ前にそのトラックがアクティブであるときに高いリコールで、後続のIDSWに関わる相手トラックを検索する。 これらの知見に触発されて、クエリプロパゲーショントラッカーのトレーニング不要で勾配のない方法であるTest-time Track-Query Calibration (TQC)を提案する。 TQCは、近くのアクティブトラックに向けられた更新コンポーネントから推定される有界補正を用いて、伝搬前にトラッカー出力を校正する。 トレーニングやアーキテクチャの変更なしに、推論時に利用可能なトラッククエリ表現とバウンディングボックスのみを必要とする。 9つのDanceTrackとSportsMOTテスト設定で、TQCはHOTAとAssAをすべての設定で改善し、IDF1は8つに改善した。 6つの検証設定における制御された変種は、TQCの補正方向が一致した修正基準を持つ代替方向よりも、より一貫性のあるHOTA改善をもたらすことを示している。

関連論文リスト

• NextStop: An Improved Tracker For Panoptic LIDAR Segmentation Data [0.6144680854063939]
  4DパノプティカルLiDARセグメンテーションは、自律走行とロボット工学におけるシーン理解に不可欠である。 4D-PLSや4D-STOPのような現在の手法では、トラッキング・バイ・検出方式を採用している。 NextStop1トラッカーは、カルマンフィルタに基づくモーション推定、データアソシエーション管理、トラックレット状態の概念を統合している。
  論文  参考訳（メタデータ） (2025-01-08T09:08:06Z)
• SynCL: A Synergistic Training Strategy with Instance-Aware Contrastive Learning for End-to-End Multi-Camera 3D Tracking [34.90147791481045]
  SynCLは、検出と追跡のためのマルチタスク学習を共用するために設計された、新しいプラグアンドプレイのシナジスティックトレーニング戦略である。 重み付きクロスアテンションに基づくデコーダのためのタスク固有ハイブリッドマッチングモジュールを提案する。 また、追跡クエリに対する自己中心的な注意の障壁を突破するために、インスタンス対応のContrastive Learningを導入します。
  論文  参考訳（メタデータ） (2024-11-11T08:18:49Z)
• Temporal Correlation Meets Embedding: Towards a 2nd Generation of JDE-based Real-Time Multi-Object Tracking [52.04679257903805]
  共同検出・埋め込み(JDE)トラッカーは多目的追跡(MOT)タスクにおいて優れた性能を示した。 TCBTrackという名前のトラッカーは、複数の公開ベンチマークで最先端のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2024-07-19T07:48:45Z)
• Tracking by Associating Clips [110.08925274049409]
  本稿では,オブジェクト関連をクリップワイドマッチングとして扱う方法を検討する。 我々の新しい視点では、1つの長いビデオシーケンスを複数のショートクリップとみなし、そのトラックはクリップ内とクリップ間の両方で実行される。 この新しい手法の利点は2つある。まず、ビデオチャンキングによって中断フレームをバイパスできるため、エラーの蓄積や伝播の追跡に頑健である。 次に、クリップワイドマッチング中に複数のフレーム情報を集約し、現在のフレームワイドマッチングよりも高精度な長距離トラックアソシエーションを実現する。
  論文  参考訳（メタデータ） (2022-12-20T10:33:17Z)
• End-to-end Tracking with a Multi-query Transformer [96.13468602635082]
  マルチオブジェクトトラッキング(MOT)は、時間とともにシーン内のオブジェクトの位置、外観、アイデンティティを同時に推論する必要がある課題である。 本研究の目的は、トラッキング・バイ・ディテクト・アプローチを超えて、未知のオブジェクト・クラスに対してもよく機能するクラスに依存しないトラッキングへと移行することである。
  論文  参考訳（メタデータ） (2022-10-26T10:19:37Z)
• Context-aware Visual Tracking with Joint Meta-updating [11.226947525556813]
  本稿では,シーケンス全体に沿った情報を活用することで,両ブランチを共同でメタ更新する,表現空間上のトラッカーを最適化するコンテキスト認識追跡モデルを提案する。 提案手法は,VOT2018におけるEAOスコアの0.514を40FPSの速度で達成し,基礎となるトラッカーの精度とロバスト性を向上できることを示す。
  論文  参考訳（メタデータ） (2022-04-04T14:16:00Z)
• Learning Dynamic Compact Memory Embedding for Deformable Visual Object Tracking [82.34356879078955]
  本稿では,セグメント化に基づく変形可能な視覚追跡手法の識別を強化するために,コンパクトなメモリ埋め込みを提案する。 DAVIS 2017ベンチマークでは,D3SやSiamMaskなどのセグメンテーションベースのトラッカーよりも優れている。
  論文  参考訳（メタデータ） (2021-11-23T03:07:12Z)
• Multi-Object Tracking and Segmentation with a Space-Time Memory Network [12.043574473965318]
  トラックレットを関連づける新しいメモリベース機構に基づく多目的追跡とセグメンテーションの手法を提案する。 提案するトラッカーであるMeNToSは、特に長期データアソシエーションの問題に対処する。
  論文  参考訳（メタデータ） (2021-10-21T17:13:17Z)
• TrackFormer: Multi-Object Tracking with Transformers [92.25832593088421]
  TrackFormerはエンコーダデコーダトランスフォーマーアーキテクチャに基づくエンドツーエンドのマルチオブジェクトトラッキングおよびセグメンテーションモデルです。 新しいトラッククエリはDETRオブジェクト検出器によって生成され、時間とともに対応するオブジェクトの位置を埋め込む。 trackformerは新しいトラッキング・バイ・アテンションパラダイムでフレーム間のシームレスなデータ関連付けを実現する。
  論文  参考訳（メタデータ） (2021-01-07T18:59:29Z)

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。