用于鲁棒视觉目标跟踪的多域协同特征表示
计算机视觉与模式识别
2021-10-11 v2
摘要
联合利用多种不同且互补的域信息已被证明是执行鲁棒目标跟踪的有效途径。本文重点关注在挑战性场景中有效表示与利用来自帧域和事件域的互补特征，以提升目标跟踪性能。具体而言，我们提出了共同特征提取器（CFE），以从 RGB 域和事件域学习潜在共同表示。为了学习这两个域的独特特征，我们利用基于脉冲神经网络的针对事件的独特提取器（UEE）来提取事件域中的边缘线索，这些线索在某些挑战性条件下可能会在 RGB 中丢失；并利用基于深度卷积神经网络的针对 RGB 的独特提取器（UER）来提取 RGB 域中的纹理与语义信息。在标准 RGB 基准和真实事件跟踪数据集上的大量实验证明了所提方法的有效性。我们表明我们的方法优于所有对比的现有先进跟踪算法，并验证了基于事件的数据在挑战性场景中是用于跟踪的强大线索。
引用
@article{arxiv.2108.04521,
title = {Multi-domain Collaborative Feature Representation for Robust Visual Object Tracking},
author = {Jiqing Zhang and Kai Zhao and Bo Dong and Yingkai Fu and Yuxin Wang and Xin Yang and Baocai Yin},
journal= {arXiv preprint arXiv:2108.04521},
year = {2021}
}