用于自适应孪生跟踪的生成式目标更新
计算机视觉与模式识别
2022-02-22 v1
摘要
孪生跟踪器通过模板（即目标模型）进行相似度匹配，以在搜索区域内递归定位目标。文献中已提出若干基于跟踪器输出（通常提取自当前帧的目标搜索区域）来更新模板的策略，从而减轻目标漂移的影响。然而，这可能导致模板被污染，限制了模板更新策略的潜在益处。本文提出一种用于孪生跟踪器的模型自适应方法，该方法使用生成模型从若干前序帧的目标搜索区域生成合成模板，而非直接使用跟踪器输出。由于搜索区域包含目标，来自搜索区域的注意力被用于鲁棒模型自适应。具体而言，我们的方法依赖通过对抗学习训练的自编码器，利用从先前帧跟踪器输出定位出的一组目标模板，检测目标外观变化并预测未来目标模板。为防止更新过程中的模板污染，所提跟踪器还使用生成模型进行变化检测，以暂停更新直至跟踪器稳定，从而可通过动态模板融合恢复鲁棒匹配。在 VOT-16、VOT-17、OTB-50 和 OTB-100 数据集上进行的大量实验凸显了方法的有效性及其关键组件的影响。结果表明，我们提出的方法优于 SOTA 跟踪器，且其整体鲁棒性允许在失败前更长时间地跟踪。
引用
@article{arxiv.2202.09938,
title = {Generative Target Update for Adaptive Siamese Tracking},
author = {Madhu Kiran and Le Thanh Nguyen-Meidine and Rajat Sahay and Rafael Menelau Oliveira E Cruz and Louis-Antoine Blais-Morin and Eric Granger},
journal= {arXiv preprint arXiv:2202.09938},
year = {2022}
}