ICCVNov, 2020

SFTrack++：一种快速可学习的光谱分割方法，用于时空一致跟踪

PDF
TL;DR本文提出了一种基于谱聚类的目标追踪方法 SFTrack++，其中通过多通道输入和分割映射的方式来提高算法的追踪效果，同时在 OTB、UAV、NFS、GOT-10k 和 TrackingNet 等多个数据集上进行了实验验证，结果表明该方法具有较好的追踪精度。
object trackingspectral clusteringmulti-channel inputssegmentation maptracking benchmarks
发现论文，激发创造
  • 一种基于 3D 卷积的空间和时间光谱目标分割方法

    本论文提出了一种基于图分割的物体分割方法，通过 3D 滤波技术计算像素图的主聚类来实现，其与传统迭代方法相比速度更快且实现更简便，同时要求在像素级别上保持空间和时间的物体一致性，其在未监督和半监督的 DAVIS-2016 数据集上得到了比同类算法更好的结果，也取得了 SegTrackv2 数据集上的最佳结果。

    Jul, 2019

  • 光谱滤波器跟踪

    本文介绍了基于 SFT 的视觉目标追踪方法，通过像素网格图建模目标，并使用谱图滤波器进行局部回归来估计目标的最佳中心坐标，在本地区域上更加鲁棒地抵抗了目标跟踪中的局部变化和杂乱背景。

    Jul, 2017

  • STTracker: 3D 单目标时空跟踪器

    本文提出了一种基于多帧点云输入的 3D 单物体跟踪方法，能够编码目标的时空信息、学习目标的运动信息，且采用稀疏注意力机制进行特征融合，在 uiti 和 NuScenes 数据集上均取得了具有竞争力的结果。

    Jun, 2023

  • SSF-Net：具有谱角感知的空间光谱融合网络用于高光谱目标跟踪

    提出了一种具有光谱角度感知的空间 - 光谱融合神经网络（SST-Net），用于高光谱目标跟踪。

    Mar, 2024

  • 基于因子图的点云 3D 多目标跟踪

    本文提出了基于高斯混合模型和因子图框架的非线性最小二乘优化，用于处理三维空间中多个移动物体的跟踪问题，并展示了在 KITTI 跟踪数据集上实验的表现。

    Aug, 2020

  • Fusion++: 三维物体级别 SLAM

    本研究提出了一种在线物体级别 SLAM 系统，该系统通过使用 Mask-RCNN 实例分割将复杂的室内场景中的物体进行重建，没有进行内部变形，并将每个物体的信息存储在可优化的 6DoF 姿态图中，以实现高度内存效率和较高的在线性能。

    Aug, 2018

  • PointTrack++ 用于有效的在线多目标跟踪和分割

    PointTrack++ 是一个有效的在线 MOTS 框架，它扩展了我们最近提出的 PointTrack 框架，通过采用有效的一阶段框架进行实例分割，并将紧凑的图像表示转换为无序的 2D 点云来学习实例嵌入，进一步提高了分割性能。

    Jul, 2020

  • EasyTrack：高效紧凑的单流 3D 点云跟踪器

    通过 EasyTrack 提出一种新的一次性转换器 3D SOT 范例，利用点云跟踪特征预训练模块、统一的 3D 跟踪特征学习和融合网络，以及在密集鸟瞰特征空间中构建的目标定位网络，显著提高了 KITTI、NuScenes 和 Waymo 的性能，并具有较低的参数和高帧率。

    Apr, 2024

  • SiamFC++：基于目标估计指南的鲁棒高精度视觉跟踪

    该研究提出了一套针对高性能通用物体跟踪器设计的实用目标状态估计指南，根据这些指南设计了 Fully Convolutional Siamese tracker++（SiamFC ++）， 并在五个有挑战性的基准测试（OTB2015，VOT2018，LaSOT，GOT-10k，TrackingNet）上取得了最先进的性能。在大规模的 TrackingNet 数据集上，SiamFC ++ 实现了 75.4 的 AUC 得分，远高于实时要求。

    Nov, 2019

  • 判别式尺度空间跟踪

    本文提出了一种利用相关滤波器进行目标尺度估计的跟踪方法，该方法可以有效地提高计算效率并在 OTB 和 VOT2014 数据集上优于 19 个和 37 个最先进的跟踪器。

    Sep, 2016