.png){kind=icon}
返回
Adjacent memory segmentation networks for robust visual tracking
.png){kind=icon}
PRE
AI
DOI：10.1007/s00530-025-01880-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
当前高性能跟踪器通常遵循离线匹配范式，其中后续帧中的目标状态基于初始帧的目标模板进行推断，这使得跟踪器难以实时适应目标外观变化并区分干扰物。此外，它们仅学习跨时间帧关联跟踪目标，但忽略了利用其他内容的空间-时间对应关系。为缓解上述问题，我们提出了一种基于邻近记忆分割网络的新型跟踪框架，称为TAMS，它提供最新的目标外观信息以及目标周围背景内容。具体而言，TAMS利用前一帧的估计目标状态来提高当前目标估计的准确性，使跟踪器能够更好地适应目标外观变化。此外，我们引入了一种自监督对应关系学习方法来探索视频中的内在一致性，这使当前帧的背景像素/块有机会在前一帧中找到真实对应关系，减少与跟踪目标的错误匹配情况。最后，为了实现目标的准确描述，TAMS联合生成精确的分割掩码和边界框，清晰地区分目标与背景内容。在七个主流视觉跟踪基准上的大量实验结果表明，所提出的跟踪器取得了有前景的跟踪性能。
Keyword:
Visual object tracking
Siamese network
Transformer
Self-supervised learning
期刊
IF:
3.1
论文数:
2.8K
被引数:
2.7K
机构
引用论文
.png){kind=icon}
查看更多内容