跟踪
基于Transformer的高效单阶段短时RGB-T单目标跟踪方法
引言如图 1所示,现有的三阶段 RGB-T 单目标跟踪网络通常采用两个独立的特征提取分支,分别负责提取两个模态的特征。然而,相互独立的特征提取分支会导致两个模态在特征提取阶段缺乏有效的信息交互。因此,一旦网络完成离线训练,其仅能从每个模态图像中提取固定的特征,无法根据实际的模态状态动态调整,以提取更具针对性的动态特征。这一局限性制约了网络对多样的目标双模态外观,以及模态外观间动态对应关系的适应能力。如图 2所示,这种特征提取方式并不适合 RGB-T 单目标跟踪的实际应用场景,特别是在复杂环境下,因为被跟踪目标的任意
4/22/2024 3:53:00 PM
特邀精选
- 1
资讯热榜
标签云
人工智能
OpenAI
AIGC
AI
ChatGPT
AI绘画
DeepSeek
数据
机器人
谷歌
模型
大模型
Midjourney
智能
用户
学习
GPT
开源
微软
AI创作
Meta
图像
技术
论文
Stable Diffusion
马斯克
算法
Gemini
蛋白质
生成式
芯片
代码
神经网络
腾讯
英伟达
计算
研究
Sora
AI for Science
AI设计
3D
机器学习
GPU
开发者
场景
Anthropic
华为
预测
伟达
Transformer
深度学习
模态
百度
AI视频
苹果
驾驶
文本
搜索
xAI
神器推荐
人形机器人
Copilot
LLaMA
具身智能
算力
安全
大语言模型
应用
视频生成
科技
字节跳动
Claude
干货合集
视觉
2024
AGI
特斯拉
亚马逊
架构
语音