返回
CLDTracker: A Comprehensive Language Description for visual Tracking
DOI:10.1016/j.inffus.2025.103374.png)
摘要
En 中文
• 引入VOT跟踪的综合性文本描述集合。
• 为六个VOT数据集提供综合性文本描述集合。
• 提出TTFUM以随时间更新目标文本特征。
• 使用基于注意力的相关性融合视觉和文本特征。
• 在六个基准数据集上评估CLDTrack,并与38个SOTA跟踪器进行比较。
Keyword:
Multi-modal fusion
Vision–Language Models (VLMs)
Visual Object Tracking (VOT)
期刊
IF:
15.5
论文数:
4.3K
被引数:
2.7W
机构
暂无机构信息
引用论文
Autoregressive Queries for Adaptive Tracking with Spatio-Temporal Transformers自回归查询用于自适应跟踪的时空Transformer

