- FetalDiffusion：具有条件扩散模型的可控姿态 3D 胎儿核磁共振成像合成
该研究提出了一种使用条件扩散模型生成可控姿态的三维合成胎儿磁共振成像方法，并采用辅助姿态级损失来增强模型性能。实验证明，该方法生成的高质量合成胎儿磁共振成像能够准确识别胎儿姿态，并与真实胎儿磁共振成像比较具有竞争优势。此外，通过集成合成胎儿 - YOLORe-IDNet：一种用于个人追踪的高效多摄像头系统
通过结合相关滤波器和交并比（IOU）约束的人物追踪系统，以及基于 YOLOv5 的深度学习模型进行跨摄像头人员再识别，快速实时跟踪嫌疑人，适用于安全监控应用。
- 实时多目标跟踪的混合方法
通过将光流算法与深度学习架构相结合，提出了一种混合策略来实现实时目标追踪，实现了在追踪精度和计算成本之间的理想平衡，相比其他最先进方法在 MOTA 上达到了 0.608 的结果，并且运行时间减少了一半，准确性基本相同。
- Pūioio：基于智能手机的实时设备上的自动化运动重复次数计数系统
智能手机实时跟踪基于深度学习的自动运动重复计数系统，无需任何可穿戴设备或特定传感器或网络连接，实现了对体育锻炼的低成本和便利替代方案。
- SAM-DA: 基于 SAM 动态自适应方法的夜间无人机目标跟踪技术
本研究提出了一种基于 SAM 模型的领域自适应框架 SAM-DA，用于实时夜间无人机跟踪。与 SOTA 领域适应方法相比，SAM-DA 的经济化训练方法可以通过少量的夜间图像实现更好的性能，从而促进了无人机算法的快速验证和部署。
- 基于统一外观迭代关联检测的多目标跟踪技术在拖网捕鱼副捕物监测中的应用
该论文提出了一种基于现有观测中心跟踪算法的新型多目标跟踪方法，采用新的迭代关联步骤大大提高了对具有均匀外观的目标的跟踪性能。
- 一种基于树结构的技术，用于物体跟踪系统中高效实时的标签检索
通过 Adaptive BCCF-tree 索引机制和 IoVT 架构，提出了一种在大规模视频监控系统中实现多物体自动标记的新解决方案，该方案可以优化实时跟踪性能。
- 基于稀疏图跟踪的在线多目标跟踪检测恢复
Sparse Graph Tracker (SGT) is an online graph tracker that leverages higher-order relational features to provide more di - 基于示例变换器的高效视觉追踪
本文介绍了一种利用单实例层级注意机制的 Transformer 模块，用于实时视觉物体跟踪的 Exemplar Transformer。通过将 Exemplar Transformer 模块应用于 E.T.Track 视觉追踪器，该方法在 - CVPRSTMTrack: 使用时空记忆网络进行无模板视觉跟踪
本文提出一种基于空时内存网络的新型追踪框架，利用历史信息以适应目标外观的变化，采用像素级相似度计算实现更精准的边界框生成，能够在真实时间下跟踪并优于先前所有最先进的实时方案。
- 使用平面正方形标记同时进行多视角相机姿态估计和物体跟踪
本文提出了一种新的方法，同时解决了使用固定平面标记来进行多相机三维物体跟踪所面临的问题，能够在低分辨率摄像头下获得高精度的跟踪结果，从而在实现物体实时跟踪的同时，大大降低了计算成本。
- 学习视频实例分割的时空嵌入
本研究提出了一种新颖的视频实例分割嵌入式方法，该方法通过融合外观、运动和几何等多种线索来学习时空嵌入，其中，运动由 3D 因果卷积网络模拟，几何由单目自监督深度损失模拟。在这种嵌入空间中，同一实例的视频像素被聚类在一起，同时与其他实例分离， - ICCV通过深度强化学习和专家演示实现的视觉追踪
通过应用强化学习的最新趋势并借鉴专家代理的演示，提出了两种新型跟踪器：A3CT 和 A3CTD，均利用现有的跟踪器进行有效的跟踪，并在多个基准测试中取得了最新的成果。
- ICCV学习被抑制的异常相关滤波器，用于实时无人机跟踪
提出了一种抑制检测过程中异常情况的方法，即抑制异常相关滤波器（ARCF），通过对检测阶段生成的响应图的变化速率进行限制，ARCF 跟踪器可以明显抑制异常情况，并因此具有更强的鲁棒性和准确性，可进行 UAV 目标跟踪，在 243 个具有挑战性 - WWW利用社交媒体信号感知加密货币新闻
该研究旨在实时追踪并监测加密货币新闻，利用机器学习模型预测其发布后前 24 小时在 Twitter 上被提及的数量，并比较了多种模型，其结果表明随机森林自回归模型在大多数情况下表现良好。
- 用于实时视觉跟踪的连体级联区域建议网络
本文提出了一种基于级联区域建议网络和 Siamese 跟踪的多级跟踪框架，其中每个区域建议网络利用前一阶段的区域建议网络的输出进行训练，采用多任务损失函数进行端到端的训练，并在多个数据集上实现了优异的跟踪效果。
- 实时多目标跟踪 - 速度重要性的研究
通过多目标跟踪器和 Hungarian Algorithm 方法解决了运动物体的跟踪问题，并在 Okutama-Action 数据集上进行了测试表明实时运行时性能存在较大损失，需要进一步研究。
- 并行跟踪和验证：用于实时和高精度视觉跟踪的框架
本研究提出了一种基于并行跟踪和验证（PTAV）框架的实时跟踪算法，通过利用多线程技术和跟踪与建图技术的成功经验，跟踪器 T 和验证器 V 在两个独立的线程上并行运行，使得 PTAV 既具有 T 提供的高效率，又具有 V 提供的较强判别能力， - 自适应融合高光谱似然地图用于空中飞行器追踪
本文提出了一种新的实时高光谱似然图辅助跟踪方法（HLT），通过自适应融合方法将多波段高光谱图像的似然图结合为一个更具区分度的表示，实现了基于在线学习生成目标模型的目标检测，结果表明 HLT 在实现高光谱目标跟踪方面表现优异。
- Co-Fusion: 多目标实时分割、跟踪与融合
本文介绍了 Co-Fusion，它是一种密集型 SLAM 系统，使用实时的 RGB-D 图像流作为输入并将场景分割为不同的对象（使用运动或语义线索）同时实时跟踪和重建它们的 3D 形状。我们使用多模型拟合方法，其中每个对象可以独立移动并仍然