如何训练用于回归的能量模型

近年来，能量模型（EBMs）在计算机视觉领域日益流行。虽然它们通常用于生成式图像建模，但最近的工作也将能量模型应用于回归任务，在目标检测和视觉跟踪上实现了最先进的性能。然而，训练能量模型是公认具有挑战性的。尽管在生成式建模方面已经探索了多种不同技术，但能量模型在回归中的应用仍是一个未被充分研究的问题。因此，如何训练能量模型以获得最佳回归性能目前尚不明确。我们因此承担了对此问题进行首次详细研究的任务。为此，我们提出了噪声对比估计的一种简单而高效的扩展，并在1D回归和目标检测任务上，将其性能与文献中六种流行方法进行了仔细比较。比较结果表明，我们的训练方法应被视为首选方法。我们还将我们的方法应用于视觉跟踪任务，在五个数据集上实现了最先进的性能。值得注意的是，我们的跟踪器在LaSOT上达到了63.7%的AUC，在TrackingNet上达到了78.7%的成功率。代码可在https://github.com/fregu856/ebms_regression获取。