Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

Seguimiento visual de objetos a largo plazo con cámaras de eventos: un rastreador con memoria asociativa aumentada y un conjunto de datos de referencia

Created by
  • Haebom

Autor

Xiao Wang, Xufeng Lou, Shiao Wang, Ju Huang, Lan Chen, Bo Jiang

Describir

Este artículo aborda las limitaciones de la evaluación de rastreadores existentes basados en flujos de eventos en conjuntos de datos de seguimiento a corto plazo y presenta FELT, un novedoso conjunto de datos de seguimiento a largo plazo a gran escala que considera el seguimiento a largo plazo en escenarios del mundo real. FELT comprende 1044 videos a largo plazo, 1,9 millones de pares de fotogramas RGB y flujos de eventos, 60 objetos objetivo diferentes y 14 atributos desafiantes. Además, reentrenamos y evaluamos 21 rastreadores de referencia en el conjunto de datos FELT para establecer un punto de referencia. Además, proponemos AMTTrack, un rastreador visual a largo plazo de eventos RGB basado en el Transformador de Memoria Asociativa (AMT). AMTTrack sigue un marco de seguimiento de flujo único, agrega eficientemente plantillas RGB/eventos de múltiples escalas y tokens de búsqueda mediante una capa de búsqueda de Hopfield, y mantiene representaciones dinámicas de plantillas mediante un método de actualización de memoria asociativa para abordar el problema de los cambios de apariencia en el seguimiento a largo plazo. Validamos la eficacia del rastreador propuesto mediante experimentos exhaustivos con los conjuntos de datos FELT, FE108, VisEvent y COESOT. Los conjuntos de datos y el código fuente estarán disponibles públicamente.

Takeaways, Limitations

•
Takeaways:
◦
Contribuimos al avance de la investigación sobre seguimiento a largo plazo presentando FELT, un conjunto de datos de seguimiento de objetos visuales a gran escala y a largo plazo que considera escenarios del mundo real.
◦
Proponemos un nuevo algoritmo de seguimiento a largo plazo, AMTTrack, que utiliza eficazmente la información de eventos RGB.
◦
Validando la superioridad de AMTTrack en varios conjuntos de datos.
◦
Proporcionando un nuevo punto de referencia en el seguimiento a largo plazo.
•
Limitations:
◦
Es necesaria una revisión más profunda de la diversidad y representatividad del conjunto de datos FELT.
◦
Se necesita un análisis más profundo del costo computacional y el rendimiento en tiempo real de AMTTrack.
◦
Se necesitan estudios comparativos más completos con otros algoritmos de seguimiento a largo plazo de última generación.
👍
Made with Slashpage