VPTracker：MLLMを用いたグローバルビジョン言語トラッキング
Paper#vision-language tracking, MLLM, object tracking🔬 Research|分析: 2026年1月3日 19:34•
公開: 2025年12月28日 06:12
•1分で読める
•ArXiv分析
本論文は、Multimodal Large Language Models (MLLM) を利用してグローバル検索を行う、ビジョン言語トラッキングの新しいアプローチであるVPTrackerを紹介しています。重要な革新は、空間的先験性をMLLMに統合する位置認識ビジュアルプロンプトメカニズムであり、視点変化やオクルージョンなどの課題に対する堅牢性を向上させます。これは、MLLMのセマンティック推論能力を利用することにより、より信頼性が高く安定したオブジェクトトラッキングに向けた重要な一歩です。