.png){kind=icon}
返回
Target-background interaction modeling transformer for object tracking
.png){kind=icon}
PRE
AI
DOI：10.1016/j.knosys.2025.113230.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
单流Transformer跟踪器因其出色的判别能力而受到广泛关注。然而，大多数现有跟踪器试图挖掘更多目标信息，却忽略了对其周围背景的利用。本研究提出了一种用于目标跟踪的单流目标-背景交互建模Transformer。一方面，为缓解跨类场景的影响，提出了一种基于Transformer的目标-背景交互模型。该模型通过从2D到3D的多视角时空注意力建模，充分探索了目标上下文与搜索区域之间的关系依赖。该模型通过最小化纯背景标记的影响，最大化获取用于目标表示的高质量标记。另一方面，考虑到类内强相似干扰物，设计了一种渐进式状态感知模块来优化用于表示目标的功能结构。该模块将目标的历史状态聚合到自注意力机制中，学习当前帧中目标与干扰物之间的位置关系，以自适应地突出目标的权重。通过联合学习跨类变异性和类内相似性，我们的方法能够更准确地揭示目标特征的组成和结构，提升其在复杂场景中的视觉感知能力。在七个基准上的大量实验与现有最优跟踪器的比较证明了我们所提方法的有效性。
Keyword:
Object tracking
Target representation
Transformer tracking
Target-background interaction
期刊
K
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
暂无机构信息
引用论文
.png){kind=icon}
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
查看更多内容