联合特征学习与关系建模的跟踪：一种单流框架
计算机视觉与模式识别
2022-12-21 v4
摘要
当前流行的双流两阶段跟踪框架分别提取模板与搜索区域特征，再进行关系建模，因此提取的特征缺乏目标感知且目标-背景判别力有限。为解决上述问题，我们提出一种新颖的单流跟踪（OSTrack）框架，通过双向信息流桥接模板-搜索图像对，统一特征学习与关系建模。如此，判别性的面向目标特征可通过相互引导动态提取。由于无需额外沉重的关系建模模块且实现高度并行化，所提跟踪器运行速度很快。为进一步提升推理效率，基于单流框架中计算的强相似度先验，提出了网络内候选早期剔除模块。作为一个统一框架，OSTrack在多个基准上取得最先进性能，特别是在一次性跟踪基准GOT-10k上表现惊艳，即达到73.7% AO，将现有最佳结果（SwinTrack）提升4.3%。此外，我们的方法保持了良好的性能-速度权衡并展现出更快的收敛。代码和模型可在 https://github.com/botaoye/OSTrack 获取。
引用
@article{arxiv.2203.11991,
title = {Joint Feature Learning and Relation Modeling for Tracking: A One-Stream Framework},
author = {Botao Ye and Hong Chang and Bingpeng Ma and Shiguang Shan and Xilin Chen},
journal= {arXiv preprint arXiv:2203.11991},
year = {2022}
}
备注
Accepted by ECCV 2022