通过基于挑战的外表解和互动来追踪RGBT
概括
本研究引入了一种强大的红绿蓝和热 (RGBT) 追踪的新方法,通过解和与基于共同和特定挑战的目标外观表示进行交互. 这种方法提高了追踪精度,即使训练数据有限.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 红-绿-蓝 (RGB) 和热成像在目标跟踪中提出了独特的挑战.
- 强大的目标外观表示对于有效的红-绿-蓝和热 (RGBT) 追踪至关重要.
研究的目的:
- 通过解和与目标外观表示进行交互来开发一种强大的RGBT跟踪的新方法.
- 解决RGBT跟踪中模式共享和模式特定的挑战.
主要方法:
- 提出了一种针对目标外观表示,解和交互的新方法.
- 使用五个基于挑战的分支:三个参数共享的模式共享挑战和两个参数独立的模式特定挑战.
- 引入用于跨模式特征转移的指导交互模块和用于组合表示的聚合交互模块.
- 设计数据生成策略,以创建具有各种挑战属性的培训数据.
主要成果:
- 与最先进的方法相比,拟议的追踪器表现出卓越的性能.
- 在四个基准数据集中实现了强大的RGBT跟踪.
- 有效的模型针对各种挑战的外观,即使训练数据有限.
结论:
- 这种新的方法显著提高了RGBT跟踪的稳定性和准确性.
- 脱和互动战略有效地利用了互补模式信息.
- 该方法为未来的多模式视觉跟踪研究提供了一个有希望的方向.
