論文の概要: Test-Time Selective Adaptation for Cross-Modal UAV Object Tracking with Token Shift
- arxiv url: http://arxiv.org/abs/2611.15059v1
- Date: Wed, 11 Nov 2026 05:32:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.052964
- Title: Test-Time Selective Adaptation for Cross-Modal UAV Object Tracking with Token Shift
- Title(参考訳): トークンシフトを用いた複数モードUAV物体追跡のためのテスト時間選択適応
- Abstract要約: クロスモーダル無人航空機(UAV)の物体追跡は、モダリティによって引き起こされた外観上の不一致と、突然の目標位置シフトに直面している。
Token Shift (TSAT) を用いたテスト時間選択適応(Test-Time Selective Adaptation)を提案する。
- 参考スコア(独自算出の注目度): 18.542445165538926
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cross-modal unmanned aerial vehicle (UAV) object tracking faces modality-induced appearance discrepancies and abrupt target-position shifts that can arise from modality switching, UAV motion, and inter-sensor offsets. Although existing methods model modality and spatial variations, they primarily rely on offline representation learning and offer limited localization-oriented adaptation during testing. To address these challenges, we propose Test-Time Selective Adaptation with Token Shift (TSAT), which derives spatial and temporal adaptation signals from unlabeled test sequences for online optimization. Specifically, we design a controllable token shift auxiliary task, which imposes explicit spatial correspondence between predefined token translations and resultant localization offsets, generating stable annotation-free spatial adaptation signals. Furthermore, we introduce a temporal backward prediction auxiliary task to exploit frame-wise temporal dependencies, effectively mitigating cumulative localization errors in continuous tracking. To suppress interference from unreliable tracking samples, we develop a reliability-aware update gating strategy to screen valid adaptation signals and stabilize online parameter updates. Experiments on CM-UOT demonstrate that TSAT achieves state-of-the-art performance against existing test-time adaptation methods, exhibiting superior robustness under frequent modality switching and severe spatial displacement. Experiments across tracking frameworks and datasets further validate the effectiveness and generalization capability of TSAT.
- Abstract(参考訳): クロスモーダル無人航空機(英語版) (UAV) の物体追跡は、モダリティによって引き起こされた外観の不一致や、モダリティスイッチング、UAVモーション、センサー間オフセットから生じる急激な目標位置シフトに直面している。
既存の手法はモダリティと空間変動をモデル化するが、それらは主にオフライン表現学習に依存し、テスト中に限定的なローカライゼーション指向の適応を提供する。
これらの課題に対処するために、オンライン最適化のための未ラベルテストシーケンスから空間的および時間的適応信号を導出するToken Shift (TSAT) を用いたテスト時間選択適応を提案する。
具体的には、予め定義されたトークン翻訳と結果の局所化オフセットとの空間対応を明示する制御可能なトークンシフト補助タスクを設計し、安定なアノテーションのない空間適応信号を生成する。
さらに,フレーム単位の時間的依存を利用した時間的後方予測補助タスクを導入し,連続的なトラッキングにおける累積的局所化誤差を効果的に軽減する。
信頼できない追跡サンプルからの干渉を抑制するため,有効な適応信号をスクリーニングし,オンラインパラメータ更新を安定化する信頼性の高い更新ゲーティング戦略を開発した。
CM-UOT実験は,TSATが既存の試験時間適応法に対して最先端の性能を達成し,頻繁なモード切替および重度空間変位下で優れた堅牢性を示すことを示した。
トラッキングフレームワークとデータセットをまたいだ実験は、TSATの有効性と一般化能力をさらに検証する。
関連論文リスト
- COMPASS: Contextual Moment Prior Alignment for Generalizable AIGI Detection [87.91469665365304]
一般化可能なAI生成画像(AIGI)とディープフェイク検出は、非対称性現象のため難しいままである。
最近の部分空間適応法は、残留部分空間を適応させながら高次主成分を凍結することによりこの問題を軽減する。
本稿では,小さなSemantic Proxy Setを用いて,ターゲットのアクティベーション統計を推定するデータ認識サブスペース適応フレームワークを提案する。
論文 参考訳(メタデータ) (2026-10-13T09:23:12Z) - No Adaptation Without Observation: Observability-Constrained Test-Time Prompt Tuning for LiDAR Semantic Segmentation [12.572951926839309]
テスト時間適応更新モデルパラメータを擬似ラベル監視を用いてオンライン化する。
グローバルな共有パラメータの均一な更新は不安定な勾配を注入し、適応を不安定にする。
本稿では,LiDARセマンティックセグメンテーションのための幾何制約付きテスト時間プロンプトチューニングフレームワークを提案する。
論文 参考訳(メタデータ) (2026-06-29T21:40:10Z) - MoASE++: Mixture of Activation Sparsity Experts with Domain-Adaptive On-policy Distillation for Continual Test Time Adaptation [65.068801413044]
連続的なテスト時間適応は、非定常な未ラベルのターゲットストリームにソース予測モデルを適用する。
ドメインに依存しない構造をドメイン固有のテクスチャから切り離す。
論文 参考訳(メタデータ) (2026-05-18T01:52:12Z) - Temporal Structure Matters for Efficient Test-Time Adaptation in Wearable Human Activity Recognition [0.20391237204597365]
テスト時間適応(TTA)は、実世界のクロスユーザー分散シフト下での性能低下を緩和する。
既存の手法は主に視覚タスクから仮定を継承し、WHARストリームに固有のウィンドウ間時間構造を過小評価する。
本稿では,WHARのための軽量かつバックプロパゲーションフリーなTTAフレームワークであるSIGHTを提案する。
論文 参考訳(メタデータ) (2026-05-06T08:06:27Z) - IoUCert: Robustness Verification for Anchor-based Object Detectors [58.35703549470485]
IoUCertは、アンカーベースのオブジェクト検出アーキテクチャにおいて、これらのボトルネックを克服するために設計された、新しい形式的検証フレームワークである。
本手法は, SSD, YOLOv2, YOLOv3など, 現実的なアンカーベースモデルの各種入力摂動に対するロバスト性検証を可能にする。
論文 参考訳(メタデータ) (2026-03-03T14:36:46Z) - Trajectory Anomaly Detection with Language Models [21.401931052512595]
本稿では,自己回帰因果アテンションモデル(LM-TAD)を用いた軌道異常検出のための新しい手法を提案する。
トラジェクトリをトークンの列として扱うことにより、トラジェクトリ上の確率分布を学習し、高精度な異常位置の同定を可能にする。
本実験は, 合成および実世界の両方のデータセットに対するLM-TADの有効性を実証した。
論文 参考訳(メタデータ) (2024-09-18T17:33:31Z) - Continual-MAE: Adaptive Distribution Masked Autoencoders for Continual Test-Time Adaptation [49.827306773992376]
連続的テスト時間適応(CTTA)は、ソース事前学習モデルから目標分布の連続的な変化に移行するために提案される。
提案手法は,CTTAタスクの分類とセグメンテーションの両方において,最先端の性能を実現する。
論文 参考訳(メタデータ) (2023-12-19T15:34:52Z)
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。