用于夜间无人机跟踪的条件生成去噪器
机器人学
2024-09-26 v1
摘要
最先进的（SOTA）视觉目标跟踪方法显著增强了无人机（UAV）的自主性。然而，在低光条件下，环境中不规则的真实噪声的存在严重降低了这些SOTA方法的性能。此外，当作为即插即用去噪器部署用于UAV跟踪时，现有的SOTA去噪技术通常无法满足实时处理要求。为了应对这一挑战，本工作提出了一种新颖的条件生成去噪器（CGDenoiser），它摆脱了传统确定性范式的限制，根据输入生成条件噪声，随后将其去除。为了更好地对齐输入维度并加速推理，开发了一种新颖的嵌套残差Transformer条件化器。此外，设计了一种创新的多核条件细化器，以针对性地细化去噪后的输出。大量实验表明，CGDenoiser在DarkTrack2021上将SOTA跟踪器的跟踪精度提升了18.18%，同时运行速度比性能第二好的去噪器快5.8倍。面临复杂挑战的真实世界测试也证明了CGDenoiser的有效性和实用性。CGDenoiser的代码、视频演示和补充证明现已在以下网址提供：\url{https://github.com/vision4robotics/CGDenoiser}。
引用
@article{arxiv.2409.16834,
title = {Conditional Generative Denoiser for Nighttime UAV Tracking},
author = {Yucheng Wang and Changhong Fu and Kunhan Lu and Liangliang Yao and Haobo Zuo},
journal= {arXiv preprint arXiv:2409.16834},
year = {2024}
}