RTrack：通过伪边界框探索加速视觉目标跟踪收敛
计算机视觉与模式识别
2023-09-26 v1
摘要
单目标跟踪 (SOT) 严重依赖于将目标对象表示为边界框。然而，由于被跟踪目标可能发生的形变与旋转，真实的边界框无法显式捕获外观信息并引入了杂乱背景。本文提出 RTrack，一种利用一组采样点获取伪边界框的新型目标表示基线跟踪器。RTrack 自动布置这些点以定义空间范围并突出局部区域。在基线之上，我们深入探索了训练潜力并引入了一种一对多领先分配策略。值得注意的是，我们的方法在 GOT-10k 数据集上取得了与最先进跟踪器相竞争的性能，同时将训练时间缩减至先前最先进 (SOTA) 跟踪器训练成本的仅 10%。训练成本的大幅降低使单目标跟踪 (SOT) 更接近于目标检测 (OD) 任务。大量实验表明，我们提出的 RTrack 以更快的收敛取得了 SOTA 结果。
引用
@article{arxiv.2309.13257,
title = {RTrack: Accelerating Convergence for Visual Object Tracking via Pseudo-Boxes Exploration},
author = {Guotian Zeng and Bi Zeng and Hong Zhang and Jianqi Liu and Qingmao Wei},
journal= {arXiv preprint arXiv:2309.13257},
year = {2023}
}