通过自监督辅助深度估计学习增强目标跟踪
计算机视觉与模式识别
2024-05-24 v1 人工智能
摘要
RGB-D 跟踪显著性地提高了目标跟踪的准确性。然而，其对真实深度输入的依赖以及多模态融合的复杂性限制了其在各种场景中的适用性。深度信息的运用激发了我们提出一种新方法——MDETrack——通过监督或自监督辅助单目深度估计学习，赋予跟踪网络理解场景深度的能力。MDETrack 的统一特征提取器的输出分别输入到并排的跟踪头和辅助深度估计头中。该辅助模块在推理时将被丢弃，从而保持相同的推理速度。我们在多个数据集上以各种训练策略评估了模型，结果显示即使没有真实深度，跟踪准确性也得到提高。通过这些发现，我们强调了深度估计在提升目标跟踪性能方面的潜力。
引用
@article{arxiv.2405.14195,
title = {Enhanced Object Tracking by Self-Supervised Auxiliary Depth Estimation Learning},
author = {Zhenyu Wei and Yujie He and Zhanchuan Cai},
journal= {arXiv preprint arXiv:2405.14195},
year = {2024}
}