OmniTracker:通过跟踪与检测统一视觉对象跟踪

科学领域:

• 计算机视觉 计算机视觉
• 人工智能的人工智能

背景情况:

• 视觉对象跟踪 (VOT) 包含各种任务,如实例跟踪和类别跟踪.
• 现有的方法经常使用特定任务的解决方案,导致冗余的培训和参数.

研究的目的:

• 为视觉对象跟踪提出一个统一的跟踪与检测范式.
• 开发一个单一的模型,OmniTracker,能够有效地解决所有VOT任务.

主要方法:

• 引入了一种新的跟踪与检测范式.
• 开发了OmniTracker,具有共享的网络架构,权重和推理管道.
• 检测和界限框候选人协会的综合外观priors.

主要成果:

• OmniTracker在七个不同的跟踪数据集中表现出强的表现.
• 取得的结果与特定任务和现有的统一模型相提并论或优于它们.
• 显著减少模型参数和培训费用的冗余性.

结论:

• 拟议的统一方法有效地解决了多个视觉对象跟踪任务.
• OmniTracker为VOT提供了一个更高效,更少冗余的解决方案.
• 这种范式转变简化了VOT模型的开发和部署.