CFTrack：通过对比学习和特征匹配提升轻量级视觉跟踪
计算机视觉与模式识别
2025-02-28 v1
摘要
在资源有限的移动和边缘设备上实现效率与强判别能力的轻量级视觉跟踪是挑战，尤其是在计算资源受限的环境中。传统的轻量级跟踪器在遮挡和干扰情况下往往难以保持鲁棒性，而深度跟踪器压缩后又会出现性能下降。为此，我们引入 CFTrack，一种集成对比学习和特征匹配的轻量级跟踪器，通过对比特征表示进行提升。CFTrack 通过一个优化自适应对比损失的新颖对比特征匹配模块，动态评估预测期间的目标相似度，从而提高跟踪精度。在 LaSOT、OTB100 和 UAV123 上进行大量实验表明，CFTrack 在 NVIDIA Jetson NX 平台上以 136 帧/秒的速度超越了众多最先进的轻量级跟踪器。HOOT 数据集上的结果进一步显示 CFTrack 在重度遮挡下仍具备强大的判别能力。
引用
@article{arxiv.2502.19708,
title = {Accurate Pose Estimation for Flight Platforms based on Divergent Multi-Aperture Imaging System},
author = {Shunkun Liang and Bin Li and Banglei Guan and Yang Shang and Xianwei Zhu and Qifeng Yu},
journal= {arXiv preprint arXiv:2502.19708},
year = {2025}
}