实体
Visual Object Tracking Performance Measures Revisited
Visual Object Tracking Performance Measures Revisited
PulseAugur coverage of Visual Object Tracking Performance Measures Revisited — every cluster mentioning Visual Object Tracking Performance Measures Revisited across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
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 2 条
-
SAM3RL 使用强化学习增强视觉目标跟踪
研究人员开发了 SAM3RL，一种新的视觉目标跟踪方法，该方法利用强化学习来控制 Segment Anything Model 3 (SAM 3) 主干中的记忆更新。这种数据驱动的方法优于以前手工制作的记忆规则，并在 12 个基准测试中的 10 个上设定了新的最先进水平。SAM3RL 扩展增加了一个轻量级的记忆控制器，该控制器学习包含哪些帧到记忆库中以最大化跟踪性能，而不会引入运行时开销。将相同的强化学习技术应用于 SAM 2 模型，…
-
SUMO框架统一了视觉对象跟踪和运动分割
研究人员推出SUMO，一个旨在统一视觉对象跟踪（VOT）和运动对象分割（MOS）的新框架。该系统无需训练、零样本，将非线性动力学与基于视觉的分割相结合，以处理复杂的非线性对象运动，而这些运动常常挑战现有方法。SUMO利用受机器人学启发的非线性状态空间模型（SSM）和选择性无迹滤波器（SUF）进行精确状态估计，在VOT和MOS任务上均展示了最先进的性能。