研究人员开发了一种名为DAM4SAM的增强跟踪方法，旨在提高基于SAM的密集跟踪器的鲁棒性，特别是对于小目标。该更新模型通过引入一个可靠性感知状态机和一个基于分支的恢复系统，解决了长遮挡、快速运动和视角变化等挑战。这种方法允许跟踪器在低置信度期间维护候选路径，并选择性地绕过原生内存选择以保留对旧数据的访问，从而在困难的跟踪场景中提高性能。 AI
影响 提高了目标跟踪系统的鲁棒性，特别是对于小目标或被遮挡的目标。
排序理由 这是一篇详细介绍目标跟踪新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2604.22837v1 Announce Type: new Abstract: SAM-based dense trackers provide strong short-term mask propagation but remain fragile under long occlusion, fast motion, viewpoint change, and distractors. The problem is especially severe for small objects, where a few incorrect m…