干扰器意识到基于事件的跟踪.

科学领域:

• 计算机视觉 计算机视觉
• 机器人技术 机器人技术 机器人技术
• 人工智能的人工智能

背景情况:

• 事件摄像头或动态视觉传感器,由于异步强度变化检测,在捕捉动态场景方面具有优势.
• 现有的基于事件的追踪器经常适应RGB方法,在低光或快速运动等具有挑战性的场景中限制了强度.
• 传统的追踪器在混乱的背景和摄像机运动中扎,需要新的方法.

研究的目的:

• 开发一个以事件为基础的分心感知跟踪器 (DANet),以提高对象跟踪性能.
• 从事件数据中利用运动线索和物体轮来改进目标区分.
• 为了创建一个强大的追踪器,能够处理动态分心和具有挑战性的环境条件.

主要方法:

• 提出了一个包含变压器模块的语网络架构,命名为DANet.
• 开发了一个双网络结构,包括一个运动感知网络和一个目标感知网络.
• 实现了端到端的培训,没有后处理,以简化实施.

主要成果:

• 与事件跟踪数据集上最先进的追踪器相比,DANet表现出更高的性能.
• 追踪器实现了高精度和效率,在单个V100 GPU上运行超过80 FPS.
• 同时利用运动和轮线索被证明是有效的在分散注意力的中间识别目标.

结论:

• 拟议的DANet为基于事件的视觉对象跟踪提供了显著的进步.
• 分散注意力的方法可以提高复杂和动态环境中的稳定性.
• DANet提供了一个高度准确和高效的解决方案,用于使用事件摄像头实时对象跟踪.