PulseAugur
中
实时 17:44:06
English(EN) GOT-JEPA: Generic Object Tracking with Model Adaptation and Occlusion Handling using Joint-Embedding Predictive Architecture

新的GOT-JEPA框架通过预测模型自适应增强目标跟踪

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的预训练框架GOT-JEPA，旨在提高通用目标跟踪能力。该方法通过预测跟踪模型而非仅图像特征来扩展联合嵌入预测架构（JEPA）。通过训练一个学生预测器从损坏的帧中学习，以及一个使用干净帧的教师预测器，GOT-JEPA提高了对遮挡和环境变化的鲁棒性。此外，OccuSolver组件通过适配以点为中心的跟踪器进行面向对象的可见性估计和详细遮挡模式捕获，进一步优化了遮挡感知，从而在各种基准测试中提高了泛化能力。 AI

排序理由 该集群包含一篇学术论文，详细介绍了目标跟踪的新研究方法和框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Shih-Fang Chen, Jun-Cheng Chen, I-Hong Jhuo, Yen-Yu Lin ·

    GOT-JEPA: Generic Object Tracking with Model Adaptation and Occlusion Handling using Joint-Embedding Predictive Architecture

    arXiv:2602.14771v5 Announce Type: replace-cross Abstract: The human visual system tracks objects by integrating current observations with previously observed information, adapting to target and scene changes, and reasoning about occlusion at fine granularity. In contrast, recent …

相关话题