- LaMOT: 语言引导的多目标跟踪
本文介绍了一种统一的任务框架 Language-Guided MOT 和相关的大规模基准 LaMOT,旨在推动 Vision-Language MOT 领域的研究进展,并提出了一种简单而有效的追踪器 LaMOTer。
- COOLer:面向基于外观的多目标跟踪的课程增量学习
这篇研究论文研究了连续学习在多目标跟踪中的应用,提出了一种基于对比学习和连续学习的跟踪器 COOLer,可以在学习新类别的同时保留过去的知识,并通过实验证明它能够有效解决跟踪和检测的灾难性遗忘问题。
- 基于移动视觉变压器的视觉目标跟踪
使用 MobileViT 作为骨干网络并采用融合模板和搜索区域表示的新方法,我们提出了一种轻量级、准确和快速的跟踪算法。实验结果表明,我们的基于 MobileViT 的追踪器 MVT 在大规模数据集 GOT10k 和 TrackingNet - EXOT:具备退出功能的物体跟踪器,用于安全操作移动物体的机器人
本文提出了一种名为 EXOT 的安全机器人操作技术,采用基于外部分布的分类器以提高目标物体的识别准确性,并在 TREK-150 和 RMOT-223 数据集上进行了评估,在 UR5e 机器人上测试了其实时跟踪能力,输出了高达 38% 的高出 - AAAIGlobalTrack:一种简单而强大的长期跟踪基线
本文介绍了 GlobalTrack,它是一种纯全局实例搜索追踪器,可以执行全图像和多尺度搜索并具有高鲁棒性。通过使用使用两阶段目标检测器和交叉查询损失,GlobalTrack 避免了在线学习,不需要对位置或尺度进行惩罚,无需尺度平滑和轨迹细 - 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。
- 实时无人机跟踪中的相关滤波增强记忆
本研究提出了一种基于判别相关滤波器框架的新型跟踪器,通过引入历史视图并运行实时速度来拓展记忆,通过快速压缩上下文学习来提高滤波器的鉴别能力,并在 UAVDT 和 UAV123 数据集上验证了该跟踪器的竞争性能。
- ECCV基于孪生网络的视觉目标跟踪器匹配优化
在本文中,我们提出了两种简单而有效的机制:角度估计和空间遮罩,以解决 Siamese 网络追踪器的旋转和背景干扰问题,并提出了一个名为 Siam-BM 的结果追踪器,它不仅显着提高了追踪性能,而且更重要的是保持了实时性。在 VOT2017 - 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。
- ICCV基于 Erdős-Rényi 聚类的电影人脸检测与演员聚类
该研究提出了一种端到端的系统,用于在电影全长中检测和聚类面部,并基于先前的图论结果,介绍了一种新的聚类方法,并使用一种验证方法来描述正确率,并定义了一种新的端到端的检测和聚类评估度量,以评估整个系统的准确性。在多个视频数据集和标准人脸数据库 - ECCV追踪完成
该研究提出了一种基于在线学习、全局模型、局部模型和矩阵补全的跟踪器,能够通过部分观察的目标候选进行目标外貌估计,并在各种具有挑战性视频序列上实现了比其他流行的最先进跟踪器更优异的效果。
- Siamese 实例搜索跟踪
本文提出了一种新型的跟踪器,使用了一个独有的方法,并使用了 Siamese 深度神经网络进行泛化训练,在不需要目标数据的情况下学习匹配函数,这种匹配函数在大部分情况下能够实现 state-of-the-art 的追踪性能。