本篇是對 WACV 2021 目標跟蹤相關論文的總結，包含對視覺跟蹤中的 spatial-temporal representation、Challenge Factors、scale-equivariant 問題的探討，以及一篇是對深水動物進行跟蹤的研究。
共計 5 篇，如有遺漏，歡迎補充。
下載包含這些論文的 WACV 2021 所有論文：『WACV 2021 開幕，更偏重技術應用，附論文下載』
視覺跟蹤
MART: Motion-Aware Recurrent Neural Network for Robust Visual Tracking
本次研究，主要探討視覺跟蹤的時空表征問題。作者引入新型的運動感知循環神經網絡，同時捕捉目標的運動動態和對齊時空特征，從而實現更有效的表示。在時空表征基礎上，開發了一個在線分類模型，用於目標定位。
針對目標尺度估計，作者又引入單調的多步回歸方法，利用 IoU 預測得分來指導每一步的邊界盒回歸。
集成目標定位和規模估計，跟蹤器 MART 在五個基准上取得了最先進的結果，並實時運行。
作者 | Heng Fan, Haibin Ling
單位 | 石溪大學
論文 |
https://openaccess.thecvf.com/content/WACV2021/papers/Fan_MART_Motion-Aware_Recurrent_Neural_Network_for_Robust_Visual_Tracking_WACV_2021_paper.pdf
代碼 | https://hengfan2010.github.io/projects/MART/MART.htm
TracKlinic: Diagnosis of Challenge Factors in Visual Tracking
作者開發一個工具包：TracKlinic，用於跟蹤算法挑戰因子的診斷，並提供一個由 2,390 個序列組成的 280K 幀的診斷數據集。作者稱 TracKlinic 是第一個用於診斷跟蹤中挑戰因素的基准。此外，還提供一個分析工具，用於研究跟蹤器並自動生成報告。
作者將 TracKlinic 應用到十個最先進的跟蹤器作為范例，並加上詳細的分析，幫助研究人員示范如何診斷自己的跟蹤器。
作者 | Heng Fan, Fan Yang, Peng Chu, Lin Yuan, Haibin Ling單位 | 天普大學；亞馬遜；石溪大學論文 | https://arxiv.org/abs/1911.07959代碼 | coming
Visual Tracking of Deepwater Animals Using Machine Learning-Controlled Robotic Underwater Vehicles
利用機器學習控制的機器人水下航行器對深水動物進行視覺跟蹤
作者 | Kakani Katija, Paul L. D. Roberts, Joost Daniels, Alexandra Lapides, Kevin Barnard, Mike Risi, Ben Y. Ranaan, Benjamin G. Woodward, Jonathan Takahashi單位 | MBARI；CVision AI論文 | https://openaccess.thecvf.com/content/WACV2021/papers/Katija_Visual_Tracking_of_Deepwater_Animals_Using_Machine_Learning-Controlled_Robotic_Underwater_WACV_2021_paper.pdf
Siamese Tracking
Scale Equivariance Improves Siamese Tracking
本次項目中，作者專注於 scaling，目的是為孿生網絡(siamese network)配備額外的內置尺度等價物，來捕捉目標的先驗自然變化。
作者提出 scale-equivariant Siamese trackers（尺度等價的孿生跟蹤器）的理論，並提供了一個簡單 recipe，即如何使現有廣泛的追蹤器具有尺度等價性。
還介紹了 SE-SiamFC，一個根據該 recipe 構建的 SiamFC 的標量等價變體。
在 OTB 和 VOT 基准上以及綜合生成的 T-MNIST 和 S-MNIST 數據集上進行了實驗，證明了內置的額外尺度等價性對於視覺目標跟蹤是有用的。
作者 | Ivan Sosnovik, Artem Moskalev, Arnold Smeulders
單位 | 阿姆斯特丹大學
論文 | https://arxiv.org/abs/2007.09115
代碼 | https://github.com/isosnovik/SiamSE
IGSSTRCF: Importance Guided Sparse Spatio-Temporal Regularized Correlation Filters for Tracking作者 | Monika Jain, A. V. Subramanyam, Simon Denman, Sridha Sridharan, Clinton Fookes
單位 | IIITD；昆士蘭科技大學論文 | https://openaccess.thecvf.com/content/WACV2021/papers/Jain_IGSSTRCF_Importance_Guided_Sparse_Spatio-Temporal_Regularized_Correlation_Filters_for_Tracking_WACV_2021_paper.pdf
- END -編輯：CV君轉載請聯系本公眾號授權
備注：跟蹤
目標跟蹤交流群
目標跟蹤、視覺跟蹤等技術，
若已為CV君其他賬號好友請直接私信。
OpenCV中文網