.png){kind=icon}
返回
SCT-Diff: Seamless Contextual Tracking via Diffusion Trajectory
.png){kind=icon}
OA
AI
DOI：10.3390/jimaging12010038.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
现有基于检测的跟踪器通过更新外观模型或建模目标运动来利用时序上下文。然而，时序先验的顺序单次集成会放大误差累积风险，因为帧级模板匹配限制了全面的时空分析。为解决此问题，我们提出了SCT-Diff，一种视频级框架，可整体估计目标轨迹。具体而言，SCT-Diff通过扩散模型全局处理视频片段以融入双向时空感知，其中反向扩散步骤逐步将噪声轨迹候选细化成最优预测。关键在于，SCT-Diff通过滑动时间窗口内的未来上下文观察，实现了历史轨迹假设的迭代修正。来自未来帧的闭环反馈在复杂外观变化下保持了时间一致性并打破了误差传播链。为联合建模外观与运动动态，我们将轨迹表述为统一的离散标记序列。设计的Mamba基专家解码器连接视觉特征与语言表述的轨迹，实现了轻量且连贯的序列建模。大量实验表明SCT-Diff在效率与性能上均占优势，在GOT-10k上达到75.4%的AO，同时保持实时计算效率。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
J
IF:
3.3
论文数:
1.1K
被引数:
4.4K
机构
暂无机构信息
引用论文
分享收藏分享收藏Motion-Perception Multi-Object Tracking (MPMOT): Enhancing Multi-Object Tracking Performance via Motion-Aware Data Association and Trajectory Connection运动感知多目标跟踪（MPMOT）：通过运动感知的数据关联和轨迹连接提升多目标跟踪性能.png)
JOURNAL OF IMAGING
OAAI
JOURNAL OF IMAGINGIF3.3
OAAI分享收藏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
PREAI
分享收藏DiffusionTrack: Point Set Diffusion Model for Visual Object TrackingDiffusionTrack：点集扩散模型用于视觉目标跟踪
PREAI
分享收藏Procontext: Exploring Progressive Context Transformer for TrackingICASSP 2023 - 2023 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)OAAI
ICASSP 2023 - 2023 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
OAAI分享收藏
查看更多内容