跳到正文
arXiv · 机器人与计算机视觉· Rangya Zhang, Jiaping Xiao, Yujing Shang, Yuhang Zhang, Mingsheng Li, Mir Feroskhan·· 23 天前AI 评分48

OmniGlimpse:面向在线多视角跟踪的不对称身份记忆模型

OmniGlimpse: Asymmetric Identity Memory for Online Multi-View Tracking

AI 导读

OmniGlimpse 提出一种无需离线场景训练或相机标定的在线多视角身份维护框架,通过分离自适应关联与稳定身份巩固解决跨视图匹配难题。该模型在 M3Track 数据集上相比最佳在线基线提升 9.1 IDF1 和 22.1 CVIDF1 分,在 MvMHAT 上分别提升 20.3 和 26.2 分,且优于离线训练参考。研究证明该方法能在外观变化中适应并巩固可靠证据作为稳定身份锚点。

来源:arXiv · 机器人与计算机视觉 · arxiv.org