ECCV 2026における画像認識の国際コンペティションで3位を獲得！ 

ECCV 2026のWorkshopとして開催された「AI City Challenge 2026」のTrack 1「Multi-Camera 3D Perception (Sim2Real)」において、Playboxが開発したマルチカメラ3Dトラッキング手法 「SparseQID」 が、精度で3位を獲得しました[1,2]。

AI City Challengeは、コンピュータビジョンやAIを実世界で活用する技術を競う国際的なコンペティションです。第10回となる2026年大会には、26の国・地域から325チームが登録し、マルチカメラ3D認識や交通映像理解など6つのTrackが実施されました。

Playboxが参加したTrack 1では、倉庫などに設置された複数のカメラ映像から、人やフォークリフト、ロボットなどを3次元空間上で検出し、カメラを跨いでも同じ対象として追跡し続けることが求められます。モデルの学習にはシミュレーションで生成されたデータが使われる一方、精度評価は実世界の映像で行われ、RGB映像のみから3D位置とIDを推定する必要があります。

図1. Hugging Faceで公開されているnvidia/PhysicalAI-SmartSpacesデータセットの画像。https://huggingface.co/datasets/nvidia/PhysicalAI-SmartSpaces

SparseQIDとは

従来のマルチカメラトラッキングでは、カメラごとに人や物体を追跡した後、「別のカメラに映っているこの人は、先ほどの人と同じか」を後から照合する方法が一般的です。

SparseQIDでは、複数カメラの情報を先に共通の3D空間へ統合し、その3D空間上で「同じ物体かどうか」を判断します。 

図2：従来のマルチカメラトラッキングとSparseQIDの比較。提案手法では複数カメラの観測を3D空間へ統合した後、過去の追跡情報を利用してIDを予測します。

SparseQIDは、3D物体検出AIが内部で保持している物体の特徴と、過去の追跡履歴を利用して、「この物体は以前観測したどの物体なのか」を直接予測します。これによって、一時的に物体を見失った場合でもIDを維持しやすくすることを狙っています。

今回の精度評価では、3D HOTA 38.0105を記録し、Track 1で3位となりました[3]。本手法の詳細は、ECCV 2026 AI City Challenge Workshop採択論文 「Online Multi-Camera 3D Tracking via ID Prediction over Recurrent Sparse Queries」 にて公開しています[4]。

◼️ ECCVについて

ECVA（European Computer Vision Association：欧州コンピュータビジョン協会）が主催する、コンピュータビジョン分野で最高峰の国際会議の一つです。2年に1度開催され、メインカンファレンスとワークショップ、チュートリアルで構成されています。

名称：ECCV（European Conference on Computer Vision）
会期：2026年9月8日～9月12日
会場：スウェーデン・マルメ　Malmö ArenaおよびMalmömässan
URL：https://eccv.ecva.net/

◼️ AI City Challengeについて

AI City Challengeは、コンピュータービジョンやAIを活用し、物流・交通など実世界の課題解決に取り組む国際コンペティションです。第10回となる2026年大会はECCV 2026のワークショップとして開催され、26の国・地域から325チームが登録。マルチカメラ3D認識や交通映像理解など、6つの部門が設けられました。

名称：AI City Challenge
URL：https://www.aicitychallenge.org/

参考文献

[1] Z. Tang et al., The 10th AI City Challenge, ECCV Workshops, 2026.
The 10th AI City Challenge

[2] AI City Challenge, Track 1: Multi-Camera 3D Perception (Sim2Real), 2026.
AI City Challenge Track 1

[3] AI City Challenge, 2026 Challenge Winners, 2026.
AI City Challenge 2026 Final Results

[4] P. Shrestha, H. Nakayama, A. Scott, Online Multi-Camera 3D Tracking via ID Prediction over Recurrent Sparse Queries, ECCV Workshops, 2026.
SparseQID paper – OpenReview