.png){kind=icon}
返回
Spatial-temporal initialization dilemma: towards realistic visual tracking
.png){kind=icon}
OA
AI
DOI：10.1007/s44267-024-00068-5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
摘要本文首先研究了面向真实视觉跟踪的空间-时间初始化困境现象，该现象可能对跟踪性能产生不利影响。我们通过比较现有跟踪基准和实际应用中的初始化方式的差异，总结了上述现象。现有的跟踪基准提供离线序列以及初始帧的专家标注，供跟踪器使用。然而，在实际应用中，跟踪器通常由用户标注或目标检测器初始化，这可能提供粗糙且不准确的初始化。此外，来自外部反馈的标注还会引入额外的时间成本，而视频流不会暂停等待。我们选取了四种代表性跟踪器，并在常用数据集上进行全性能比较，通过模拟初始化直观地描述了该任务的初始化困境。然后，我们提出了一种简单的补偿框架来解决这一困境。该框架包含空间精修和时序追赶模块，以缓解初始化困境造成的性能下降。此外，所提出的框架可以兼容各种流行的跟踪器，而无需重新训练。大量的实验验证了我们所提出的补偿框架的有效性。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息