تحويل تنبؤات النموذج لتعقب

لقد حققت طرق التتبع المستندة إلى التحسين نجاحًا واسعًا من خلال دمج وحدة تنبؤ النموذج الهدف، مما يوفر استدلالًا عالميًا فعالًا عن طريق تقليل دالة هدف. بينما يدمج هذا التحيز الاستدلالي معرفة قطاعية قيمة، فإنه يحد من قدرة شبكة التتبع على التعبير. في هذا العمل، نقترح بنية تتبع تعتمد على وحدة تنبؤ النموذج المستندة إلى المتحولات (Transformers). المتحولات تلتقط العلاقات العالمية بتحيز استدلالي ضئيل، مما يسمح لها بتعلم تنبؤ نماذج أهداف أكثر قوة. بالإضافة إلى ذلك، نوسع متنبئ النموذج لتقدير مجموعة ثانية من الأوزان التي يتم تطبيقها للحصول على تقدير دقيق للصندوق الحدودي. يتوقف تتبع النتيجة على المعلومات الموجودة في الإطارات التدريبية والإطارات الاختبارية لتنبؤ جميع الأوزان بطريقة انتقالية. نقوم بتدريب المتعقب المقترح بشكل شامل وكامل ونتحقق من أدائه عن طريق إجراء تجارب شاملة على عدة مجموعات بيانات للتتبع. يحدد متعقبنا مستوى جديد من الفن في ثلاثة مقاييس، حيث يصل معدل الدقة تحت المنحنى (AUC) إلى 68.5٪ في مجموعة بيانات LaSOT الصعبة.