简介 论文来源: Multi-Scale Feature Interactive Fusion Network for RGBT Tracking 现有的模型总是忽略了特征之间丰富的上下文信息. 在本文中, 作者将使用多尺度特征提取的方法, 使用通道感知模块计算分支可靠性, 并用 Transformer 进行特征交互. 此外, 还有一个全局特征融合模块, 用以平衡不同场景下的模态贡献, 自...

简介 论文来源: RGBT tracking via reliable feature configuration 许多模型对自适应融合的理解还停留在权重阶段, 大量算力被消耗于权重计算, 同时这种方法并没考虑到低可靠性模态对另一模态的影响. 本文作者将提出新颖的基于可靠性的特征配置方法, 实现鲁棒性 RGBT 追踪. 其将使用 3 种追踪器来跟踪目标, 使用特殊的评分机制来评估追踪器可靠...

简介 论文来源: HATFNet: Hierarchical adaptive trident fusion network for RGBT tracking 现有的 RGBT 跟踪算法很少能够充分利用层次和多模态特征, 本文作者认为不同的卷积层的特征会有不同的贡献, 因而需要分开考虑. 在模态的融合上, 作者还设计了一种权重算法, 自动改变两个模态的权重. 方法 图1 HATFNe...

前言 论文来源: Region Selective Fusion Network for Robust RGB-T Tracking 可见光与热红外模态的融合, 为算法提供了更多的信息, 从而提高算法的准确率. 但是由于模态中场景的高度重叠, RGBT 数据中必然包含大量冗余信息. 同时每个模态的质量都会随时变化, 这意味着更多的误导信息. 本文将图像视为一个个不重叠的区域, 消除不可靠区...

前言 论文来源: RGB-T Tracking Based on Mixed Attention 大部分RGB-T跟踪算法都使用了CNN的下采样方法来提取目标特征, 然而大部分无意义的信息消耗了大量算力, 同时CNN难以理解目标与背景的关系. 而Transformer则解决了这些问题. 本文将使用特征级融合的方式, 集成两个模态的特征, 抑制低质量模态的影响, 从而提升RGB-T跟踪的准确...

Softmax函数 maxmaxmax 函数输出多个值中最大的那个, 而 softmaxsoftmaxsoftmax 函数则将数值转化为概率分布. Softmax(xi)=exi∑j=1nexjSoftmax(x_i) = \frac{e^{x_i}}{\sum_{j=1}^{n}e^{x_j}} Softmax(xi​)=∑j=1n​exj​exi​​ 如某一向量a=(0,2)\bm{a...

论文介绍 Denoising Diffusion Probabilistic Models 论文作者为Jonathan Ho, 于2020年发布于NeurIPS, 与ICML, ICLR并称为机器学习三大顶会. 本论文是将扩散算法用于图像生成的开山之作. 前置知识 马尔可夫链 设某个系统在 ttt 时刻的状态为 XtX_tXt​, 可以根据时间顺序得到一个序列 P={Xt,Xt−1,…...