从双流到单流：基于相互提示学习与知识蒸馏的高效 RGB-T 跟踪
计算机视觉与模式识别
2024-04-09 v2
摘要
由于可见光与热红外模态的互补性，基于可见光图像与热图像融合的目标跟踪（简称 RGB-T 跟踪）近年来受到研究者的日益关注。如何以更低成本实现两种模态信息更全面的融合，一直是研究者不断探索的问题。受视觉提示学习的启发，我们设计了一种基于跨模态相互提示学习的新型双流 RGB-T 跟踪架构，并以此模型作为教师模型，通过知识蒸馏技术指导单流学生模型进行快速学习。大量实验表明，与同类 RGB-T 跟踪器相比，我们设计的教师模型实现了最高的精确率，而学生模型在保持与教师模型相当精确率的同时，推理速度比教师模型快三倍以上。（如被接收，代码将公开提供。）
引用
@article{arxiv.2403.16834,
title = {From Two-Stream to One-Stream: Efficient RGB-T Tracking via Mutual Prompt Learning and Knowledge Distillation},
author = {Yang Luo and Xiqing Guo and Hao Li},
journal= {arXiv preprint arXiv:2403.16834},
year = {2024}
}