التعلم التمثيلي من البداية إلى النهاية لتعقب يستند إلى مرشحات الارتباط

المرشح التشاركي (Correlation Filter) هو خوارزمية تقوم بتدريب قالب خطي لتمييز الصور وترجماتها. وهو مناسب جدًا لتتبع الأشياء نظرًا لأن صيغته في مجال فورييه (Fourier domain) توفر حلًّا سريعًا، مما يمكّن المكتشف من إعادة التدريب مرة واحدة لكل إطار. ومع ذلك، فإن الأعمال السابقة التي استخدمت المرشح التشاركي اعتمدت على ميزات إما تم تصميمها يدويًا أو تدريبها لمهمة مختلفة. يعتبر هذا العمل أول من يتغلب على هذه القيود من خلال تفسير متعلم المرشح التشاركي، الذي لديه حل مغلق (closed-form solution)، كطبقة قابلة للمفاضلة في شبكة عصبية عميقة. وهذا يمكّن من تعلم الميزات العميقة التي تتصل بشكل وثيق بالمرشح التشاركي. توضح التجارب أن طريقتنا لها الفائدة العملية الهامة المتمثلة في السماح للهياكل الخفيفة بتحقيق أداء رائد بمعدلات إطارات عالية.