实体
SportsMOT
SportsMOT
PulseAugur coverage of SportsMOT — every cluster mentioning SportsMOT across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的PS-Track方法推进了点监督下的多目标跟踪
研究人员开发了PS-Track，一种利用点状监督而非传统边界框的新型多目标跟踪管道。该方法通过使用时间反馈提示（Temporal-Feedback Prompting）将点演变为时间上一致的伪标签来解决空间模糊等挑战。点激发小波注意力（Point-Excited Wavelet Attention）模块有助于虚构对象边界，而基于不确定性的高斯学习（Uncertainty-Guided Gaussian Learning）则校准监督强度…
-
新的跟踪方法选择性地使用VOS以提高对象身份识别能力
研究人员开发了SAM-Deep-EIoU，一种新颖的多目标跟踪方法，仅在基础跟踪器遇到不确定性时选择性地采用更强大的视频对象分割（VOS）模型。该方法无需训练，并将现有跟踪器视为黑盒，旨在提高在挑战性帧中的身份保持能力。在SportsMOT基准测试中，SAM-Deep-EIoU取得了86.8 HOTA分数的最先进性能。
-
SAMIDARE: 密集场景下的高级跟踪分割
研究人员推出了一种名为 SAMIDARE 的新框架，旨在改善密集场景下的多目标跟踪，尤其是在体育分析领域。该系统通过集成密度感知掩码再生、用于自适应掩码控制的选择性内存更新以及用于跟踪初始化的状态感知关联，解决了掩码错误和 ID 切换等挑战。在 SportsMOT 数据集上进行评估，SAMI-DARE 取得了最先进的成果，与现有方法相比有了显著改进。