研究人员开发了 GateMOT，一个新颖的密集目标跟踪框架，解决了标准注意力机制的计算限制。该系统利用了 Q-Gated Attention (Q-Attention) 变体，将 Query 组件重新用作可学习的门控单元。这种方法允许进行高效、空间感知的相关性选择，而不是昂贵的全局聚合，从而在拥挤和遮挡的场景中实现更好的性能。GateMOT 在 BEE24 基准测试中取得了最先进的结果。 AI
影响 为密集目标跟踪引入了一种高效的注意力机制，有可能提高在复杂视觉场景中的性能。
排序理由 介绍密集目标跟踪新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2604.26353v1 Announce Type: new Abstract: While large models demonstrate the strong representational power of vanilla attention, this core mechanism cannot be directly applied to Dense Object Tracking: its quadratic all-to-all interactions are computationally prohibitive fo…
While large models demonstrate the strong representational power of vanilla attention, this core mechanism cannot be directly applied to Dense Object Tracking: its quadratic all-to-all interactions are computationally prohibitive for dense motion estimation on high-resolution fea…