本论文提出了一种半自动化的包围盒标注方法，利用跟踪 - 检测方法和时间信息，采用现成的目标检测器训练，利用多重假设追踪 (MHT) 来提高检测结果的可靠性，并使用人工评估来进行迭代标注。通过实验显示，该方法可以将标注工作量减少 96%。

Jan, 2021

介绍了一种名为 RefineVIS 的视频实例分割框架，该框架通过使用序列上下文反复改进表示来实现帧间的良好对象关联和精确的分割掩模。

Jun, 2023

本文提出一种全面的端到端视频视觉跟踪方法，利用循环卷积神经网络代理与视频进行交互，并结合强化学习算法来学习不断的关注连续帧相关性和最大化在长期内的跟踪性能，实现了比现有跟踪基准更快速的状态 - of-the-art 性能。是第一个将卷积和循环网络与强化学习算法相结合的神经网络跟踪器。

Jan, 2017

本文介绍了一种新的、灵活的和准确的细化模块 Alpha-Refine，并将其应用于五种基础跟踪器中，实现了在 TrackingNet、LaSOT 和 VOT2018 基准测试中比其他现有的细化方法显著提高跟踪性能的效果。

Jul, 2020

本文介绍了一种自动视频标注的方法，该方法可以增加用户提供的标签数量，并将其临时本地化，将标签与关键帧关联起来。我们的方法利用用户生成的标签和 web 来源中的集体知识，以及上传到社交网站和 web 来源的关键帧和图片的视觉相似性。与需要为每个标签训练分类器的现有视频标记方法相比，我们的系统具有较少的参数，易于实现，并且可以处理开放词汇的场景。我们在 DUT-WEBV 上展示了该方法，该数据集是一个大型的网络视频数据集，结果显示出最先进的结果。

Jul, 2014

本研究提出了一种名为 Alpha-Refine (AR) 的新型、灵活、准确的细化模块，它显著提高了基本跟踪器的框估计质量，通过采用像素级相关、角预测头和辅助掩码头作为核心组件，AR 引导的 DiMP-super 在实时速度下实现了非常有竞争力的性能。

Dec, 2020

该论文介绍了一种利用弱标记视频中的跟踪对象框传输到弱标记图像中生成伪 Ground Truth 框的框架，用以训练对象检测器，该方法包括从弱标记图像集合中挖掘分辨率区域以形成伪 GT 框，然后设计霍夫变换算法对每个图像投票以选择最佳盒子，目前已在 PASCAL 2007 和 2010 数据集上实现了最先进的弱监督检测结果。

Apr, 2016

本文提出了一种基于深度学习的新方法，用于基于视觉的单目标跟踪，该方法结合了卷积神经网络和贝叶斯损失层，提出了一种直接计算候选目标位置跟踪得分的网络架构。在标准跟踪基准上，该跟踪器达到了最先进的跟踪结果。

Jul, 2016

本文提出了一个用于视觉跟踪的双网络模型，利用不同深度网络层次上的结构进行层次特征的提取，通过层次特征和边缘检测器相结合，进一步嵌入目标周围局部细节，并对其进行在线更新和独立分量分析，实现了对物体的精确跟踪。在大型基准数据集上进行的定量和定性评估表明，所提出的算法具有很好的性能。

Dec, 2016

我们提出了一个基于深度回归和验证网络的新型长期跟踪框架，其中使用对象感知特征融合和区域提案网络设计了离线训练的回归模型，该模型可以有效生成候选框并估计它们的相似度分数，在线实时更新以适应外表上的变化。通过结合相似度和分类分数，我们的跟踪器可以准确确定目标的缺席并进行图像全局重检测以成功捕获目标。

Sep, 2018