Staple: 実時間追跡のための補完的な学習者

相関フィルタを用いた追跡アルゴリズムは最近、優れた性能を達成し、モーションブラーや照明変化などの困難な状況に対する高い堅牢性を示しています。しかし、これらのアルゴリズムが学習するモデルは追跡対象の空間配置に強く依存するため、変形に対して非常に敏感であることが知られています。色統計に基づくモデルは補完的な特性を持っています：形状の変動には対応できますが、シーケンス全体で照明が一貫していない場合に苦戦します。さらに、色分布だけでは十分な識別力がないことがあります。本論文では、リッジ回帰フレームワークを用いて補完的な手がかりを組み合わせた単純な追跡アルゴリズムが、80 FPS以上で動作し、人気のあるVOT14競技のすべてのエントリーだけでなく、複数のベンチマークによれば最近開発されたより洗練された追跡アルゴリズムも上回ることを示しています。