Duality-Gated Mutual Condition Network for RGBT Tracking RGBT 추적을 위한 이중성 게이트 상호 조건 네트워크

저품질 모달리티는 RGBT 추적에서 많은 노이즈 정보뿐만 아니라 일부 구분 특징을 포함하고 있습니다. 그러나 기존의 RGBT 추적 알고리즘에서는 저품질 모달리티의 잠재력이 충분히 탐구되지 않았습니다. 본 연구에서는 모든 모달리티의 구분 정보를 최대한 활용하면서 데이터 노이즈의 영향을 억제하기 위해 새로운 이중 게이트 상호 조건 네트워크(Duality-Gated Mutual Condition Network)를 제안합니다. 구체적으로, 우리는 한 모달리티의 구분 정보를 다른 모달리티의 대상 외관 특징 학습을 안내하는 조건으로 사용하는 상호 조건 모듈(Mutual Condition Module)을 설계하였습니다. 이러한 모듈은 저품질 모달리티가 존재하더라도 모든 모달리티의 대상 표현을 효과적으로 향상시킬 수 있습니다. 조건의 품질을 개선하고 데이터 노이즈를 더욱 줄이기 위해, 우리는 이중 게이트 메커니즘(Duality-Gated Mechanism)을 제안하고 이를 상호 조건 모듈에 통합하였습니다.갑작스러운 카메라 움직임으로 인한 추적 실패 문제, 특히 RGBT 추적에서 자주 발생하는 문제를 해결하기 위해, 우리는 광학 유동(Optical Flow) 알고리즘 기반의 재샘플링 전략(Resampling Strategy)을 설계하였습니다. 이 방법은 계산 비용을 크게 증가시키지 않으며, 모델 예측이 신뢰할 수 없을 때만 광학 유동 계산을 수행하고 갑작스러운 카메라 움직임이 감지되면 재샘플링을 실행합니다. 네 가지 RGBT 추적 벤치마크 데이터셋에 대한 광범위한 실험 결과, 우리의 방법은 최신 추적 알고리즘들에 비해 우수한 성능을 보였습니다.