[論文レビュー] SiamGM: Siamese Geometry-Aware and Motion-Guided Network for Real-Time Satellite Video Object Tracking

Zixiao Wen, Zhen Yang+5 more|arXiv (Cornell University)|Mar 8, 2026

Video Surveillance and Tracking Methods被引用数 0

ひとこと要約

SiamGMは幾何学的 aware なインフレームグラフアテンションとアスペクト比制約のラベリング、さらに動き guided のオンラインリファインメントを導入し、衛星ビデオのリアルタイム単一物体追跡を実現します。

ABSTRACT

Single object tracking in satellite videos is inherently challenged by small target, blurred background, large aspect ratio changes, and frequent visual occlusions. These constraints often cause appearance-based trackers to accumulate errors and lose targets irreversibly. To systematically mitigate both spatial ambiguities and temporal information loss, we propose SiamGM, a novel geometry-aware and motion-guided Siamese network. From a spatial perspective, we introduce an Inter-Frame Graph Attention (IFGA) module, closely integrated with an Aspect Ratio-Constrained Label Assignment (LA) method, establishing fine-grained topological correspondences and explicitly preventing surrounding background noise. From a temporal perspective, we introduce the Motion Vector-Guided Online Tracking Optimization method. By adopting the Normalized Peak-to-Sidelobe Ratio (nPSR) as a dynamic confidence indicator, we propose an Online Motion Model Refinement (OMMR) strategy to utilize historical trajectory information. Evaluations on two challenging SatSOT and SV248S benchmarks confirm that SiamGM outperforms most state-of-the-art trackers in both precision and success metrics. Notably, the proposed components of SiamGM introduce virtually no computational overhead, enabling real-time tracking at 130 frames per second (FPS). Codes and tracking results are available at https://github.com/wenzx18/SiamGM.

研究の動機と目的

• SVOTの課題（極小ターゲット、回転、大きなアスペクト比変化、遮蔽など）に対処する。
• 幾何学的事前情報と時系列モーション情報を活用する Siamese 追跡フレームワークを開発する。
• 計算オーバーヘッドを最小限に抑えつつリアルタイム性能を実現し、精度と成功率を向上させる。
• 幾何学 aware なラベリングとオンライン軌跡リファインメントを統合する訓練・推論戦略を提案する。

提案手法

• Inter-Frame Graph Attention (IFGA) を提案し、テンプレートと検索特徴間の小さなターゲット向けの密な幾何・トポロジー対応を学習する。
• アスペクト比制約付きラベル配分（LA）を導入し、アスペクト比ベースのセンタネスとセンタネス誘導分類スコア（CGCS）を用いる。
• Normalized Peak-to-Sidelobe Ratio（nPSR）を動的信頼度指標として用いる Motion Vector-Guided Online Tracking Optimization（Online Motion Model Refinement, OMMR）を採用する。
• CJCL ロスを組み込み、三分岐構造（分類、回帰、センタネス）とセンタネスを分類とブレンドするアンカー-free SiamCAR バックボーンを使用する。
• IFGAを P2/P3 の特徴のみに適用してリアルタイム性能を維持し、精度と速度のバランスを取る。
• ResNet-50 バックボーンで VISO データセット上で訓練し、SatSOT および SV248S ベンチマークで評価する。

実験結果

リサーチクエスチョン

• RQ1 幾何学的事前情報とトポロジー対応は、極小・回転したターゲットの SVOT をどのように改善できるか。
• RQ2 アスペクト比制約付きラベル配分は背景ノイズを減らし、衛星ビデオの境界回帰を改善できるか。
• RQ3 nPSR に基づくオンラインモーションガイダンスは、遮蔽時の軌道維持を計算負荷を増やさずに信頼できるか。
• RQ4 CGCS と CJCL の統合が訓練ダイナミクスと追跡精度に与える影響は何か。
• RQ5 SatSOT および SV248S ベンチマークで SiamGM は他の最先端トラッカーと比べ、精度と成功率の点でどのように性能を示すか。

主な発見

• SiamGM は 130 FPS のリアルタイム追跡を実現。
• IFGA は小さなターゲット向けの探索特徴表現を密な幾何マッピングを学習することで改善。
• アスペクト比制約付き LA と CGCS は正例サンプリングをより正確にし、センタネス誘導を改善して背景ノイズを低減。
• OMMR は nPSR 主導の信頼度を用いて即時速度リファインメントと長期軌道更新を切替え、遮蔽時の堅牢性を向上。
• SatSOT および SV248S での評価は、他のトラッカーと比較して最先端の精度を示し、リアルタイム性能を維持。