Suivi des représentations holistiques d'objets

Les récentes avancées en matière de suivi visuel reposent sur des extracteurs de caractéristiques siamois et sur l'appariement de modèles. Pour cette catégorie de traceurs, les dernières recherches se concentrent sur une meilleure intégration des caractéristiques et sur des mesures de similarité plus précises. Dans ce travail, nous nous focalisons sur la construction de représentations d'objets holistiques pour le suivi. Nous proposons un cadre conçu pour être utilisé au-dessus des traceurs précédents sans nécessiter un entraînement supplémentaire du réseau siamois. Ce cadre exploite l'idée d'obtenir des modèles d'objets supplémentaires au cours du processus de suivi. Étant donné que le nombre de modèles stockés est limité, notre méthode ne conserve que ceux qui sont les plus diversifiés. Nous y parvenons en fournissant une nouvelle mesure de diversité dans l'espace des caractéristiques siamois. La représentation obtenue contient des informations qui dépassent la position réelle de l'objet fournie au système. Elle est donc utile non seulement pour le suivi lui-même, mais aussi pour d'autres tâches nécessitant une compréhension visuelle des objets. Des résultats empiriques solides sur des benchmarks de suivi indiquent que notre méthode peut améliorer les performances et la robustesse des traceurs sous-jacents tout en à peine réduisant leur vitesse. De plus, notre méthode est capable d'égaler les résultats actuels de l'état de l'art, tout en utilisant une architecture réseau plus simple et ancienne et en fonctionnant trois fois plus rapidement.