渐进式缩放视觉目标跟踪
计算机视觉与模式识别
2025-05-29 v2
摘要
在本研究中，我们提出了一种用于视觉目标跟踪的渐进式缩放训练策略，系统性地分析了训练数据量、模型大小和输入分辨率对跟踪性能的影响。我们的实证研究表明，虽然缩放每个因素都会带来跟踪精度的显著提升，但简单朴素的训练会遭受次优的优化和有限的迭代微调。为了解决这个问题，我们引入了 DT-Training，这是一种渐进式缩放框架，它集成了小教师迁移和双分支对齐以最大化模型潜力。由此产生的缩放跟踪器在多个基准测试上持续优于 SOTA 方法，证明了所提方法强大的泛化能力和可迁移性。此外，我们验证了我们的方法在额外任务上的更广泛适用性，突显了其在跟踪之外的通用性。
引用
@article{arxiv.2505.19990,
title = {Progressive Scaling Visual Object Tracking},
author = {Jack Hong and Shilin Yan and Zehao Xiao and Jiayin Cai and Xiaolong Jiang and Yao Hu and Henghui Ding},
journal= {arXiv preprint arXiv:2505.19990},
year = {2025}
}