MOT20

Vision-Language Agents Adapt Trackers Without Target Labels

研究人员开发了一个新颖的系统，该系统利用视觉语言模型（VLM）在目标域中无需任何标记数据即可将对象跟踪管道适应新域。该VLM充当诊断代理，检查跟踪输出，识别视觉故障模式，并迭代地建议参数更新。该系统在性能上显示出显著的改进，在具有挑战性的域迁移中恢复了相当一部分丢失的准确性，并且仅在必要时选择性地修改配置，从而在更容易的迁移中保持性能。