面向透明物体跟踪的新数据集与抗干扰感知架构
计算机视觉与模式识别
2024-01-09 v1
摘要
与不透明物体相比，现代跟踪器在透明物体上的性能大幅下降。这主要源于两个不同原因。透明物体的独特之处在于其外观直接受背景影响。此外，透明物体场景常包含许多视觉上相似的物体（干扰物），这往往导致跟踪失败。然而，现代跟踪架构的开发需要大型训练集，而透明物体跟踪领域尚不存在此类数据集。我们提出两项贡献以解决上述问题。我们提出了首个透明物体跟踪训练数据集Trans2k，该数据集包含超过2千个序列，总计104,343张图像，并由边界框和分割掩码标注。在此数据集上训练的标准跟踪器性能持续提升，最高可达16%。我们的第二项贡献是一种新颖的抗干扰感知透明物体跟踪器（DiTra），它将定位精度和目标识别视为独立任务，并通过一种新颖的架构加以实现。DiTra在透明物体跟踪中设立了新的最优性能，并能很好地泛化至不透明物体。
引用
@article{arxiv.2401.03872,
title = {A New Dataset and a Distractor-Aware Architecture for Transparent Object Tracking},
author = {Alan Lukezic and Ziga Trojer and Jiri Matas and Matej Kristan},
journal= {arXiv preprint arXiv:2401.03872},
year = {2024}
}
备注
Under the review. arXiv admin note: substantial text overlap with arXiv:2210.03436