TENet:目标纠结合多尺度聚合和相互引导融合用于RGB-E对象跟踪
Pengcheng Shao1, Tianyang Xu1, Zhangyong Tang1
1Josef Kittler Research Institute on Artificial Intelligence, China; Sino-UK Joint Laboratory on Artificial Intelligence, Ministry of Science and Technology, China; International Joint Laboratory on Artificial Intelligence, Ministry of Education, China; International Joint Laboratory on Artificial Intelligence, Jiangsu Province, China; School of Artificial Intelligence and Computer Science, Jiangnan University, Wuxi 214122, China.
概括
这项研究引入了用于RGB-E视觉对象跟踪的新型事件骨干,增强了从事件摄像头中提取运动特征. 拟议的方法显著提高了对基准数据集的跟踪性能.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 机器人技术 机器人技术 机器人技术
背景情况:
- 视觉对象跟踪的好处在于将RGB数据与事件摄像头数据融合在一起,以获得运动信息.
- 现有的方法往往无法有效利用事件数据的独特稀疏特性.
- 传统的外观模型没有针对事件数据的内在属性进行优化.
研究的目的:
- 为RGB-E视觉对象跟踪开发一个有效的事件骨干.
- 为了解决现有的事件特征提取方法的局限性.
- 提高视觉物体跟踪系统的准确性和稳定性.
主要方法:
- 提出了一个事件骨干 (聚合器) 来捕捉事件数据的稀疏性.
- 引入了多尺度聚合来提取全面的运动特征.
- 开发了一个适应性互导融合 (MGF) 模块用于RGB和事件表示协会.
主要成果:
- 提出的方法显著优于VisEvent和COESOT数据集上的最先进的追踪器.
- 在COESOT数据集上实现了4.9%的精度和5.2%的成功率改进.
- 通过适应事件数据的特征来证明优越的特征表示.
结论:
- 开发的事件骨干和MGF模块在RGB-E视觉对象跟踪中提供了显著的进步.
- 这种方法有效地利用事件数据稀疏性来加强跟踪.
- 该方法为复杂的跟踪场景提供了强大而高性能的解决方案.
