L'intégration de fonctionnalités bimodales a joué un rôle essentiel dans l'avancement
Profondeur RVB (RVB-D) suivi. Cependant, les trackers actuels sont moins efficaces et
se concentrer uniquement sur les fonctionnalités à un seul niveau, entraînant une plus faible robustesse en fusion
et des vitesses plus lentes qui ne répondent pas aux exigences des applications du monde réel. Dans
ce papier, nous introduisons un nouveau réseau, noté HMAD (Hiérarchique
Agrégation et distribution des modalités), qui répond à ces défis. HMAD
exploite les atouts distinctifs de la représentation des caractéristiques du RVB et de la profondeur
modalités, mettre l'accent sur une approche hiérarchique des fonctionnalités
distribution et fusion, améliorant ainsi la robustesse du suivi RVB-D.
Les résultats expérimentaux sur divers ensembles de données RVB-D démontrent que HMAD atteint
performances de pointe. De plus, des expériences réelles valident davantage
La capacité de HMAD à gérer efficacement un éventail de défis de suivi dans
scénarios en temps réel.

Cet article explore les excursions dans le temps et leurs implications.

Télécharger PDF: