研究人员推出了一种新颖的VMRMOT框架,通过整合运动动力学来改进参照式多目标跟踪(RMOT)。与依赖静态对象描述的先前方法不同,VMRMOT利用从对象行为(如速度变化和方向转移)中提取的运动特征,以更好地与动态视觉模态对齐。这种运动模态使用多模态大语言模型(MLLMs)进行编码,并通过视觉-运动-参照对齐(VMRA)模块进行整合。此外,运动引导预测头(MGPH)利用此运动信息来提高预测精度。在RMOT基准上的实验表明,VMRMOT的性能优于当前最先进的方法。 AI
影响 这项研究可能带来更鲁棒、更精确的多目标跟踪系统,尤其是在对象运动至关重要的动态环境中。
排序理由 该集群包含一篇详细介绍计算机视觉任务新框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →