.png){kind=icon}
返回
Distractor-Aware Memory-Based Visual Object Tracking
.png){kind=icon}
PRE
AI
DOI：10.1007/s11263-026-02790-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近期基于记忆的视频分割方法（如SAM2）的出现，使得模型在分割任务中表现出卓越的性能，并在众多基准测试中取得了领先结果。然而，这些模型并未完全针对视觉目标跟踪进行优化，其中干扰物（即与目标视觉相似的物体）构成了关键挑战。在本文中，我们针对SAM2提出了一种干扰物感知的内存模块和基于自省的管理方法，形成了DAM4SAM。我们的设计有效减少了跟踪漂移现象，降低了干扰物的影响，并提高了目标遮挡后的重检测能力。为便于分析存在干扰物时的跟踪情况，我们构建了DiDi（干扰物提纯数据集）。DAM4SAM在十三项基准测试中超越了SAM2.1，并在十项测试中达到了新的最佳水平。此外，将所提出的干扰物感知内存集成到实时跟踪器EfficientTAM中，可带来11%的性能提升，并在多个跟踪与分割基准测试中达到了非实时SAM2.1-L的跟踪质量；将其与边缘跟踪器EdgeTAM集成则能提升4%的性能，展示了跨架构的良好泛化能力。
Keyword:
Visual object tracking
Tracking and segmentation
Memory management
.png){kind=icon}
