基于空间-频谱联合-交互的超光谱目标跟踪网络 SUIT
计算机视觉与模式识别
2025-08-12 v1
摘要
超光谱视频（HSVs）因其固有的空间-频谱-时序结构,在嘈杂背景和小目标等具挑战性的跟踪场景中具有独特优势。然而,现有方法主要关注模板和搜索区域之间的空间相互作用,往往忽视了频谱相互作用,导致性能次优。为此,本文从架构和训练两个层面探讨频谱相互作用。在架构层面,我们首先使用 Transformer 在模板和搜索区域之间建立基于频段的远程空间关系。随后,我们采用集合论的包含-排除原理将其建模为跨所有频段空间相互作用的并集,从而有效整合共享和频段特定的空间线索。在训练层面,我们引入一种频谱损失以强制模板和预测区域之间的物料分布对齐,增强对形变和外观变化的鲁棒性。广泛实验表明,我们的跟踪器实现了最先进的跟踪性能。源代码、训练好的模型和结果将通过 https://github.com/bearshng/suit 在公开仓库中提供,以支持可重复性。
引用
@article{arxiv.2508.07250,
title = {SUIT: Spatial-Spectral Union-Intersection Interaction Network for Hyperspectral Object Tracking},
author = {Fengchao Xiong and Zhenxing Wu and Sen Jia and Yuntao Qian},
journal= {arXiv preprint arXiv:2508.07250},
year = {2025}
}