FEAR：快速、高效、准确且鲁棒的视觉跟踪器
计算机视觉与模式识别
2022-07-20 v2
摘要
我们提出FEAR，一系列快速、高效、准确且鲁棒的孪生视觉跟踪器。我们提出了一种新颖且高效的方法，利用双模板表示进行目标模型自适应，其仅通过单个可学习参数即可融入时间信息。我们通过像素级融合模块进一步改进跟踪器架构。将上述模块与精巧的主干网络结合，FEAR-M和FEAR-L跟踪器在多个学术基准上的准确率和效率均超越大多数孪生跟踪器。采用轻量级主干网络时，优化版本FEAR-XS的跟踪速度比当前孪生跟踪器快10倍以上，同时保持接近最先进的结果。FEAR-XS跟踪器比LightTrack小2.4倍、快4.3倍，且精度更优。此外，我们通过引入FEAR基准（评估能耗与执行速度）拓展了模型效率的定义。我们表明能耗是移动设备上跟踪器的限制因素。源代码、预训练模型和评估协议可在 https://github.com/PinataFarms/FEARTracker 获取。
引用
@article{arxiv.2112.07957,
title = {FEAR: Fast, Efficient, Accurate and Robust Visual Tracker},
author = {Vasyl Borsuk and Roman Vei and Orest Kupyn and Tetiana Martyniuk and Igor Krashenyi and Jiři Matas},
journal= {arXiv preprint arXiv:2112.07957},
year = {2022}
}