Transformers in Single Object Tracking: An Experimental Survey

要約

単一オブジェクトの追跡は、コンピューター ビジョンにおけるよく知られた、挑戦的な研究トピックです。
過去 20 年にわたり、多くの研究者がこの問題を解決するためにさまざまなアルゴリズムを提案し、有望な結果を達成しました。
最近、Transformer ベースの追跡アプローチは、新しい視点を導入し、優れた追跡堅牢性を実現することにより、単一オブジェクト追跡の新時代の到来をもたらしました。
このペーパーでは、CNN トランスフォーマー ベースのトラッカー、2 ストリーム 2 ステージの完全なトランスフォーマー ベースのトラッカー、および 1 ストリーム 1 ステージの完全なトランスフォーマー ベースのトラッカーに分類することで、トランスフォーマー追跡アプローチの詳細な文献分析を実施します。
。
さらに、公開されているベンチマーク データセットを使用して、追跡の堅牢性と計算効率を評価する実験的評価を実施します。
さらに、さまざまな追跡シナリオでパフォーマンスを測定し、特定の状況における強みと弱みを特定します。
私たちの調査は、Transformer 追跡アプローチの基礎となる原則、遭遇する課題、将来の方向性についての洞察を提供します。

要約(オリジナル)

Single-object tracking is a well-known and challenging research topic in computer vision. Over the last two decades, numerous researchers have proposed various algorithms to solve this problem and achieved promising results. Recently, Transformer-based tracking approaches have ushered in a new era in single-object tracking by introducing new perspectives and achieving superior tracking robustness. In this paper, we conduct an in-depth literature analysis of Transformer tracking approaches by categorizing them into CNN-Transformer based trackers, Two-stream Two-stage fully-Transformer based trackers, and One-stream One-stage fully-Transformer based trackers. In addition, we conduct experimental evaluations to assess their tracking robustness and computational efficiency using publicly available benchmark datasets. Furthermore, we measure their performances on different tracking scenarios to identify their strengths and weaknesses in particular situations. Our survey provides insights into the underlying principles of Transformer tracking approaches, the challenges they encounter, and the future directions they may take.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google