.png){kind=icon}
返回
Motion-guided Visual Tracking
.png){kind=icon}
PRE
AI
DOI：10.1007/s11633-023-1477-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
运动信息是构建稳健跟踪器的关键线索，尤其是在处理物体遮挡和由相机与物体引起的快速漂移方面。然而，其潜力尚未得到充分挖掘。本研究尝试利用运动线索指导视觉跟踪器，无需复杂的额外操作。首先，我们将运动解耦为两类：相机运动和物体运动。然后，通过提出的相机运动建模和物体轨迹预测分别进行预测。每个模块均包含一个运动检测器和一个验证器。针对相机运动，我们采用现成的关键点匹配方法检测相机移动，并提出一种新颖的自监督相机运动验证器以验证其置信度。在给定先前物体轨迹的条件下，物体轨迹预测旨在预测目标未来位置，并选择可靠轨迹以处理快速物体运动和遮挡。在多个主流跟踪数据集（包括OTB100、DTB70、TC128、UAV123、VOT2018和GOT10k）上的大量实验表明，我们的模块在实时速度下表现出有效性和泛化能力。
Keyword:
Visual tracking
motion embedding
camera motion modeling
self-supervised learning
trajectory prediction
期刊
IF:
8.7
论文数:
304
被引数:
882
机构
引用论文
.png){kind=icon}
Social-STGCNN: A Social Spatio-Temporal Graph Convolutional Neural Network for Human Trajectory PredictionSocial-stgcnn: 一种用于人类轨迹预测的社会时空图卷积神经网络
OAAI
OAAI分享收藏
查看更多内容