摘要
在视觉目标跟踪中，估计目标范围是一个基本挑战。通常，跟踪器以框为中心，完全依赖边界框来定义场景中的目标。然而，在实际应用中，物体往往具有复杂的形状，并且不与图像轴对齐。在这种情况下，边界框无法提供目标的精确描述，并且经常包含大量的背景像素。我们提出了一种以分割为中心的跟踪流程，该流程不仅生成高精度的分割掩码，而且在内部使用分割掩码而不是边界框进行工作。因此，我们的跟踪器能够更好地学习一种目标表示方法，从而在场景中清晰地区分目标与背景内容。为了在具有挑战性的跟踪场景中实现必要的鲁棒性，我们提出了一种独立的实例定位组件，在生成输出掩码时用于调节分割解码器。我们从分割掩码推断出边界框，并在具有挑战性的跟踪数据集上验证了我们的跟踪器，在LaSOT数据集上取得了69.7%的成功AUC分数，达到了新的最先进水平。由于大多数跟踪数据集不包含掩码注释，我们无法使用它们来评估预测的分割掩码。相反，我们在两个流行的视频对象分割数据集上验证了我们的分割质量。