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
罗永浩 Jarvis 初创项目“J1 Assistant AI 助理”上线，利用语音与大模型互动
类 Mac Mini 大小的个人 AI 超算：英伟达 Project Digits 发布，起价 3000 美元
从DeepSeek-V3发布谈大模型的技术突破与未来机遇
3 到 5 秒即可同声传译 40 余种语言，时空壶推出 W4 Pro 实时翻译耳机
GPT-4o最自私，Claude更慷慨！DeepMind发布全新「AI道德测试」
全网都在扒的DeepSeek团队，是清北应届生撑起一片天
Just keep scaling！思维链作者Jason Wei 40分钟讲座剖析LLM扩展范式
奥特曼回应一切：宫斗、马斯克、ChatGPT两周年
标签云
AI
模型
人工智能
AIGC
OpenAI
AI绘画
ChatGPT
机器人
数据
生成
训练
谷歌
视频
智能
学习
Midjourney
GPT
大模型
用户
AI创作
LLM
图像
微软
开源
技术
Meta
论文
Stable Diffusion
生成式
算法
蛋白质
芯片
马斯克
计算
神经网络
AI设计
Gemini
Sora
研究
腾讯
课程
代码
开发者
场景
伟达
3D
GPU
预测
模态
Transformer
华为
文本
驾驶
英伟达
神器推荐
机器学习
AI视频
语言
干货合集
LLaMA
深度学习
2024
算力
搜索
视频生成
苹果
科技
AI应用场景
应用
百度
写作
特斯拉
机器
安全
具身智能
Copilot
AI for Science
语音
prompt
视觉