面向夜间无人机跟踪的提示驱动时域自适应
计算机视觉与模式识别
2024-09-30 v1
摘要
低照度场景下的夜间无人机跟踪通过域自适应 (Domain Adaptation, DA) 取得了巨大进展。然而，以往基于 DA 训练的工作在缩小无人机跟踪器的时间上下文差异方面存在不足。为解决该问题，本工作提出了一种提示驱动的时域自适应训练框架，以充分利用时间上下文进行具有挑战性的夜间无人机跟踪，即 TDA。具体而言，所提出的框架通过训练时间特征生成器对抗判别器，对齐了来自日间和夜间域的时间上下文分布。时间一致性判别器逐步提取共享的域特定特征，以在时间序列中生成连贯的域判别结果。此外，为获取高质量训练样本，采用提示驱动的目标挖掘器在未标注的夜间视频中精确定位目标。而且，构建了一个用于长期夜间无人机跟踪的新基准。在公开和自建的夜间基准上的详尽评估表明，在 TDA 框架中训练的跟踪器（即 TDA-Track）具有卓越性能。夜间真实世界测试也显示了其实用性。代码和演示视频可在 https://github.com/vision4robotics/TDA-Track 获取。
引用
@article{arxiv.2409.18533,
title = {Prompt-Driven Temporal Domain Adaptation for Nighttime UAV Tracking},
author = {Changhong Fu and Yiheng Wang and Liangliang Yao and Guangze Zheng and Haobo Zuo and Jia Pan},
journal= {arXiv preprint arXiv:2409.18533},
year = {2024}
}
备注
Accepted by IROS2024