基于分层模态聚合与分布网络的 RGB-D 跟踪
计算机视觉与模式识别
2025-04-25 v1
摘要
双模态特征的融合在推进 RGB-Depth (RGB-D) 跟踪中发挥了关键作用。然而，当前的跟踪器效率较低且仅关注单层特征，导致融合鲁棒性较弱且速度较慢，无法满足实际应用的需求。在本文中，我们引入了一种名为 HMAD (Hierarchical Modality Aggregation and Distribution) 的新型网络以应对这些挑战。HMAD 利用 RGB 与深度模态独特的特征表示优势，突出用于特征分布与融合的分层方法，从而增强了 RGB-D 跟踪的鲁棒性。在多个 RGB-D 数据集上的实验结果表明，HMAD 达到了 SOTA 性能。此外，真实世界实验进一步验证了 HMAD 在实时场景中有效应对一系列跟踪挑战的能力。
引用
@article{arxiv.2504.17595,
title = {RGB-D Tracking via Hierarchical Modality Aggregation and Distribution Network},
author = {Boyue Xu and Yi Xu and Ruichao Hou and Jia Bei and Tongwei Ren and Gangshan Wu},
journal= {arXiv preprint arXiv:2504.17595},
year = {2025}
}