TrackNetV4：利用运动注意力图增强高速体育目标跟踪
计算机视觉与模式识别
2024-09-24 v1 人工智能
机器学习
摘要
由于运动模糊和遮挡等因素，准确检测和跟踪高速、小目标（如体育视频中的球）具有挑战性。尽管最近诸如 TrackNetV1、V2 和 V3 等深度学习框架推进了网球和羽毛球的跟踪，但它们在部分遮挡或低能见度场景下往往表现不佳。这主要是因为这些模型严重依赖视觉特征，而没有显式地结合运动信息，而运动信息对于精确跟踪和轨迹预测至关重要。在本文中，我们通过运动感知融合机制将高层视觉特征与可学习的运动注意力图相融合，对 TrackNet 家族进行了增强，有效地突出了运动球的位置并提高了跟踪性能。我们的方法利用由运动提示层调制的帧差图，随时间推移突出关键运动区域。在网球和羽毛球数据集上的实验结果表明，我们的方法提高了 TrackNetV2 和 V3 的跟踪性能。我们将这个构建于现有 TrackNet 之上的轻量级即插即用解决方案称为 TrackNetV4。
引用
@article{arxiv.2409.14543,
title = {TrackNetV4: Enhancing Fast Sports Object Tracking with Motion Attention Maps},
author = {Arjun Raj and Lei Wang and Tom Gedeon},
journal= {arXiv preprint arXiv:2409.14543},
year = {2024}
}
备注
Research report