論文の概要: TAQ-MOTR: Tracking-Aware Detection Query Formation for End-to-End Multiple Object Tracking

• arxiv url: http://arxiv.org/abs/2611.05205v1
• Date: Tue, 03 Nov 2026 16:54:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-07 13:43:49.905339
• Title: TAQ-MOTR: Tracking-Aware Detection Query Formation for End-to-End Multiple Object Tracking
• Title（参考訳）: TAQ-MOTR:エンド・ツー・エンド多目的追跡のためのトラッキング・アウェア検出クエリ生成
• Abstract要約: トラッキング・バイ・プロパゲーション(TBP)法は、フレーム間のトラッククエリを伝搬することにより、エンドツーエンドのマルチオブジェクト追跡を行う。 検出とアソシエーションが密結合されているため、TPP内の検出クエリは、現在追跡されていないオブジェクトを検出することが期待されている。 本稿では,事前デコーダハイブリッドクエリジェネレータを用いたトラッキング対応検出クエリ生成フレームワークTAQ-MOTRを提案する。
• 参考スコア（独自算出の注目度）: 11.14018306595847
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tracking-by-propagation (TBP) methods perform end-to-end multi-object tracking by propagating track queries across frames, jointly handling detection and identity association without heuristic post-processing while naturally modeling temporal information. However, as detection and association are tightly coupled, detection queries in TBP are expected to discover currently untracked objects and provide complementary current-frame evidence for challenging tracks whose queries and identities are retained. Existing methods largely inherit detection-query formation from single-frame detection and construct such queries before the decoder with little awareness of trajectory states. Consequently, currently untracked objects may be missed, while challenging tracked objects with reduced visibility under occlusion may lack complementary evidence, causing association failures or duplicate responses. To address these issues, we propose TAQ-MOTR, a tracking-aware detection query formation framework that employs a pre-decoder Hybrid Query Generator (HQG) to fuse current-frame image features, track memory, and learnable memory. By conditioning detection queries on trajectory states, TAQ-MOTR adapts them to \rev{the discovery of currently untracked objects and tracked-object complementation We further introduce a training-only auxiliary detection branch whose one-to-one label assignment is decoupled from that of the main tracking branch, providing additional detection supervision to strengthen the shared HQG and decoder for the discovery of currently untracked objects. TAQ-MOTR improves performance on DanceTrack, SportsMOT, and BFT, achieving 72.0 HOTA, 63.1 AssA, and 76.6 IDF1 on the DanceTrack test set. Code is available at https://github.com/Magicmiya/TAQ-MOTR
• Abstract（参考訳）: トラッキング・バイ・プロパゲーション (TBP) 法は, 時間的情報を自然にモデル化しながら, フレーム間のトラッククエリを伝搬し, ヒューリスティックな後処理を伴わずに検出と同一性関連を共同処理することにより, エンドツーエンドのマルチオブジェクト追跡を行う。 しかし,検出とアソシエーションが緊密に結合されているため,TBPにおける検出クエリは,現在追跡されていないオブジェクトを検出し,クエリとアイデンティティが保持されている課題トラックに対する補完的な現在のフレーム証拠を提供することが期待されている。 既存の手法は、単一フレームの検出から検出クエリの生成をほとんど継承し、軌道状態の認識がほとんどないデコーダの前にそのようなクエリを構築する。 その結果、現在追跡されていない物体は見逃される可能性があるが、閉塞下で視認性が低下した追跡対象に挑戦すると、補完的な証拠が欠如し、関連性障害や重複反応が生じる可能性がある。 これらの問題に対処するため, TAQ-MOTRを提案する。このフレームワークは, プリデコーダであるHybrid Query Generator (HQG) を用いて, 現在のフレーム画像の特徴を融合し, メモリをトラックし, 学習可能なメモリを生成する。 トラジェクトリ状態に対する検出クエリを条件付けすることで、TAQ-MOTRはそれらを、現在追跡されていないオブジェクトの発見と追跡対象の補完に適応させ、さらに1対1のラベル割り当てがメイントラッキングブランチのものと切り離されたトレーニング専用補助検出ブランチを導入し、共有HQGとデコーダを強化して、現在追跡されていないオブジェクトの発見を可能にする。 TAQ-MOTRはDanceTrack、SportsMOT、BFTのパフォーマンスを改善し、72.0HOTA、63.1 AssA、76.6 IDF1をDanceTrackテストセットで達成した。 コードはhttps://github.com/Magicmiya/TAQ-MOTRで公開されている。

関連論文リスト

• COVTrack++: Learning Open-Vocabulary Multi-Object Tracking from Continuous Videos via a Synergistic Paradigm [59.26203051651017]
  C-TAOはOpen-Vocabulary Multi-Object Tracking (OVMOT)のための最初の連続アノテーション付きトレーニングセットである フレームワークボトルネックに対するCOVTrack++は,3つのモジュールによる検出とアソシエーションの双方向相互機構を実現するための相乗的フレームワークである。 TAOの実験では、新しいTAAは検証とテストセットで35.4%、30.5%に達し、新しいAssocAは4.8%、新しいLocAは5.8%向上した。
  論文  参考訳（メタデータ） (2026-03-25T07:20:27Z)
• Lost and Found: Overcoming Detector Failures in Online Multi-Object Tracking [15.533652456081374]
  マルチオブジェクト追跡(MOT)は、時間とともに複数のオブジェクトのアイデンティティと位置を正確に推定する。 現代の検出器は、あるフレーム内のいくつかのオブジェクトを見逃すことがあるため、トラッカーは早めに追跡をやめる。 オンラインTbDシステムと互換性のある汎用フレームワークであるBUSCAを提案する。
  論文  参考訳（メタデータ） (2024-07-14T10:45:12Z)
• ADA-Track++: End-to-End Multi-Camera 3D Multi-Object Tracking with Alternating Detection and Association [15.161640917854363]
  多視点カメラによる3D MOTのための新しいエンドツーエンドフレームワークであるADA-Track++を紹介する。 エッジ拡張型クロスアテンションに基づく学習可能なデータアソシエーションモジュールを提案する。 我々は、この関連モジュールをDTRベースの3D検出器のデコーダ層に統合する。
  論文  参考訳（メタデータ） (2024-05-14T19:02:33Z)
• Object-Centric Multiple Object Tracking [124.30650395969126]
  本稿では,多目的追跡パイプラインのためのビデオオブジェクト中心モデルを提案する。 オブジェクト中心のスロットを検出出力に適応するインデックスマージモジュールと、オブジェクトメモリモジュールで構成される。 オブジェクト中心学習に特化して、オブジェクトのローカライゼーションと機能バインディングのためのスパース検出ラベルしか必要としない。
  論文  参考訳（メタデータ） (2023-09-01T03:34:12Z)
• OmniTracker: Unifying Object Tracking by Tracking-with-Detection [119.51012668709502]
  OmniTrackerは、完全に共有されたネットワークアーキテクチャ、モデルウェイト、推論パイプラインですべてのトラッキングタスクを解決するために提供されている。 LaSOT、TrackingNet、DAVIS16-17、MOT17、MOTS20、YTVIS19を含む7つの追跡データセットの実験は、OmniTrackerがタスク固有の追跡モデルと統合された追跡モデルの両方よりも、オンパーまたはそれ以上の結果を達成することを示した。
  論文  参考訳（メタデータ） (2023-03-21T17:59:57Z)
• 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)
• Online Multi-Object Tracking with Unsupervised Re-Identification Learning and Occlusion Estimation [80.38553821508162]
  異なるオブジェクト間のオクルージョンは、MOT(Multi-Object Tracking)の典型的な課題である 本稿では,これらの問題に対処する2つの新しいモジュールを設計し,オンラインマルチオブジェクト追跡に焦点を当てる。 提案した教師なし再識別学習モジュールは、(疑似)識別情報を一切必要とせず、スケーラビリティの問題に悩まされることもない。 本研究は、最先端MOT法に適用した場合、教師なし再識別学習は教師なし再識別学習に匹敵するものであることを示す。
  論文  参考訳（メタデータ） (2022-01-04T18:59:58Z)
• 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)
• IA-MOT: Instance-Aware Multi-Object Tracking with Motion Consistency [40.354708148590696]
  IA-MOT(Instance-Aware MOT)は、静止カメラまたは移動カメラで複数の物体を追跡できる。 提案手法は,CVPR 2020ワークショップにおけるBMTTチャレンジのトラック3で優勝した。
  論文  参考訳（メタデータ） (2020-06-24T03:53:36Z)

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。