面向高速视觉跟踪的上下文感知深度特征压缩

CVPRMar, 2018

面向高速视觉跟踪的上下文感知深度特征压缩

Context-aware Deep Feature Compression for High-speed Visual Tracking

Jongwon Choi, Hyung Jin Chang, Tobias Fischer, Sangdoo Yun, Kyuewang Lee...

TL;DR提出了一种新的上下文感知相关滤波跟踪框架，通过利用多个专家自编码器实现的上下文感知方案进行深度特征压缩来实现高计算速度和最先进的性能。

Abstract

We propose a new context-aware correlation filter based tracking framework to achieve both high computational speed and state-of-the-art p

context-aware correlation filter tracking deep feature compression real-time

发现论文，激发创造

深度上下文视频压缩

本文提出了一种基于深度上下文视频压缩框架的条件编码方案，通过特征域上下文作为条件来利用高维的上下文，从而在视频质量更高的情况下实现大幅度的比特率节省。

Sep, 2021

具有联合元更新的上下文感知视觉跟踪

在本文中，我们提出了一种基于上下文感知的跟踪模型，该模型是通过利用整个序列中的信息联合元更新两个分支来优化表示空间上的跟踪器，实现对外观变化的自适应。我们采用上下文聚合模块融合历史帧中的信息，然后使用上下文感知模块为跟踪器的两个分支学习亲和向量。通过使用专用的元学习方案，在有限的训练样本下，该跟踪方法在 VOT2018 上实现了 0.514 的 EAO 评分，40FPS 的速度，表明了它提高了潜在跟踪器的准确性和鲁棒性，并且在速度上有小幅下降。

Apr, 2022

基于时间上下文的真实世界视觉跟踪

提出了一种利用时间上下文的双层框架 (TCTrack)，用于实现更强大的现实世界视觉跟踪，并在特征提取和相似度图优化方面进行了改进。

Aug, 2023

目标感知深度追踪

本文提出一种新颖的方案来学习目标感知特征，用于视觉跟踪，并将目标感知特征与孪生匹配网络相结合，实现与最先进技术相比精度和速度均有优异表现。

Apr, 2019

无监督皮肤特征跟踪深度神经网络

使用卷积自编码器进行人脸特征追踪，无监督学习方法在不同运动条件下表现出优异的追踪精度和卓越的特征描述子，比传统和最新的监督学习方法更具优势。

May, 2024