Transformerベースの信頼度認識回帰および適応テンプレート更新を備えたデュアルブランチシャムトラッカー

科学分野:

• コンピュータビジョン
• 人工知能
• 機械学習

背景:

• シャムネットワークは視覚オブジェクト追跡に効果的ですが、静的テンプレート、限定されたコンテキスト、および特徴統合、特にオクルージョンやクラッター中の特徴統合に苦労します。
• 既存の方法は、背景の変動やターゲットの外観の変化により、追跡精度を維持する上で課題に直面しています。

主な方法:

• ResNetバックボーンを使用してマルチスケール特徴抽出を行うトランスフォーマー拡張シャムトラッカーであるTSDTrackを提案しました。
• より良い意味的および空間的整合性のためのグローバルアテンションを備えたトランスフォーマーモジュールを実装しました。
• 正確な局在化と品質評価のために、信頼度認識ブランチ（CAB）と回帰分布学習（RDL）を導入しました。
• 適応的外観モデリングのための信頼度ゲート付きテンプレート更新戦略を開発しました。

結論:

• TSDTrackは、特に困難なシナリオにおいて、視覚オブジェクト追跡において大きな進歩を提供します。
• トランスフォーマーと品質認識メカニズムの統合は、適応追跡のための堅牢なフレームワークを提供します。
• 提案された方法は、シャムトラッカーのコンテキストモデリングと特徴統合の限界を効果的に解決します。