- ADTrack: 面向实时反暗无人机跟踪的目标感知双滤波学习
提出了一种具有抗暗功能的新型追踪器 ADTrack，通过在基于相关性过滤器的追踪器中集成高效，有效的低光图像增强器，同时生成基于图像照明变化的目标感知遮罩，以协助上下文过滤器进行强引导追踪。ADTrack 采用双重回归，其中上下文过滤器和目 - DAL -- 深度感知的长期跟踪器
本文提出了基于深度感知的长期 RGBD 追踪算法，通过将深度信息嵌入到深度相关滤波器中，并用于目标重新检测，实现了与当前最先进 RGBD 追踪算法相当甚至更好的性能，运行速度达 20fps。
- CVPR面向视觉跟踪的 ROI 池化相关滤波器
本研究提出了一种新颖的基于 ROI 池化的相关滤波算法，通过数学推导证明 ROI 池化可以通过加强学习滤波器权重的额外约束条件来等效实现，在虚拟环形样本上实现了 ROI 池化，从而在视觉跟踪领域中具有压缩模型大小且保持定位精度的优点，同时我 - 长期跟踪中的模型衰减
本文从数学角度探究了追踪模型偏差的问题，并通过观察和洞察提出了减少长期追踪中模型衰减的简单方法。该跟踪器在四个长期和一个短期跟踪基准上进行了评估，展示了更高的精确度和鲁棒性，甚至可以在长达 30 分钟的视频中运行。
- 使用强化学习进行视觉追踪的相关滤波器选择
通过更新并维护多个相关性滤波器模型，并使用深度强化学习选择最佳相关滤波器模型，在处理目标外观建模的决策过程中利用决策网络，本文提出了一种解决相关滤波器更新问题的新方法，在 OTB100 和 OTB2013 基准测试上得到了较好的表现，达到了 - ECCV基于相关滤波的联合表示与截断推断学习跟踪
该研究探讨了用于追踪的相关滤波器模型的深度学习策略。该模型通过卷积神经网络进行特征表示，通过更新器网络进行模型适应，从而取得了与最先进的追踪器相当的跟踪精度。
- CVPR多核相关滤波器实现高速跟踪
本研究将多核学习应用于相关滤波器（CF）算法的升级，提出了一种新的 KFCK 算法（MKCFup），通过消除不同核之间的负互干扰，显著提高了算法的准确性和速度，实现了对高速小移动目标的有效跟踪。
- CVPR联合判别和可靠性学习的相关跟踪
本文提出了一种新的基于相关滤波器的优化问题，联合建模区分度和可靠性信息用于视觉跟踪，其中包括滤波器的基本成分和可靠性项，以及局部相应一致性正则项以强调不同区域的平等贡献。实验结果表明，我们的跟踪器表现优于其他同类跟踪器。
- CVPR面向高速视觉跟踪的上下文感知深度特征压缩
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。
- 追踪嘈杂目标：近期物体追踪方法综述
本文对视觉物体跟踪算法的最新趋势和进展进行了广泛的综述，评估了在噪声存在的情况下跟踪器的鲁棒性。我们发现，没有任何一种算法在噪声存在的情况下能够与无噪声条件下的效率相同，因此需要在评估新提出的跟踪算法时包含一个鲁棒性参数。
- ICCV使用边界和中心相关滤波器整合视觉跟踪和宽高比变化
本文提出了一种新的 1D 边缘相关滤波器以应对视觉跟踪中的纵横比变化，并将其与 2D 中心相关滤波器相结合形成 IBCCF 模型，实验结果表明其具有良好的效果。
- CVPR基于相关滤波跟踪的端到端表示学习
本文是第一篇将相关滤波器作为可微分层在深度神经网络中进行应用的研究工作，该方法可以学习与相关滤波器紧密耦合的深度特征，实现高帧率状态下轻量级架构实现最新性能。
- 用循环特征图进行大边界目标跟踪
提出了一种高速物体追踪方法，同时结合多模态目标检测技术和反馈机制以提高目标追踪精度，基于两种特征表达方式验证了算法的强兼容性，实验证明该方法在挑战性测试序列中表现优异且每秒超过 80 帧。