基于不确定性流图的鲁棒实例跟踪
计算机视觉与模式识别
2020-10-12 v1
摘要
当前最先进的跟踪器常因干扰物与物体外观大幅变化而失效。在本工作中，我们探索利用稠密光流提升跟踪鲁棒性。我们的核心见解是：由于流估计本身也会出错，为实现鲁棒跟踪需引入对流不确定性的估计。我们提出一种新颖的跟踪框架，结合外观与流不确定性信息，在挑战性场景中跟踪物体。实验验证该框架提升了跟踪鲁棒性，取得了新的 SOTA 结果。此外，我们的消融实验表明了流不确定性对鲁棒跟踪的重要性。
引用
@article{arxiv.2010.04367,
title = {Robust Instance Tracking via Uncertainty Flow},
author = {Jianing Qian and Junyu Nan and Siddharth Ancha and Brian Okorn and David Held},
journal= {arXiv preprint arXiv:2010.04367},
year = {2020}
}