Die Integration dualmodaler Funktionen war für den Fortschritt von entscheidender Bedeutung
RGB-Tiefe (RGB-D) Verfolgung. Jedoch, Aktuelle Tracker sind weniger effizient und
Konzentrieren Sie sich ausschließlich auf einstufige Funktionen, Dies führt zu einer schwächeren Robustheit bei der Fusion
und langsamere Geschwindigkeiten, die den Anforderungen realer Anwendungen nicht gerecht werden. In
dieses Papier, Wir stellen ein neuartiges Netzwerk vor, bezeichnet als HMAD (Hierarchisch
Modalitätsaggregation und -verteilung), das diese Herausforderungen angeht. HMAD
nutzt die besonderen Stärken der Merkmalsdarstellung von RGB und Tiefe
Modalitäten, Hervorheben eines hierarchischen Ansatzes für Features
Verteilung und Fusion, Dadurch wird die Robustheit des RGB-D-Trackings verbessert.
Experimentelle Ergebnisse zu verschiedenen RGB-D-Datensätzen zeigen, dass HMAD dies erreicht
Leistung auf dem neuesten Stand der Technik. Darüber hinaus, Experimente in der realen Welt bestätigen dies weiter
Die Fähigkeit von HMAD, ein Spektrum an Tracking-Herausforderungen effektiv zu bewältigen
Echtzeitszenarien.

Dieser Artikel untersucht Zeitreisen und deren Auswirkungen.

PDF herunterladen: