Transformer RGBT Tracking with Spatio-Temporal Multimodal Tokens

计算机科学 变压器 人工智能 水准点(测量) 模板 粒度 特征提取 模式识别(心理学) 计算机视觉 操作系统 物理 大地测量学 量子力学 电压 程序设计语言 地理
作者
Dengdi Sun,Yajie Pan,Andong Lu,Chenglong Li,Bin Luo
出处
期刊:Cornell University - arXiv 被引量:1
标识
DOI:10.48550/arxiv.2401.01674
摘要

Many RGBT tracking researches primarily focus on modal fusion design, while overlooking the effective handling of target appearance changes. While some approaches have introduced historical frames or fuse and replace initial templates to incorporate temporal information, they have the risk of disrupting the original target appearance and accumulating errors over time. To alleviate these limitations, we propose a novel Transformer RGBT tracking approach, which mixes spatio-temporal multimodal tokens from the static multimodal templates and multimodal search regions in Transformer to handle target appearance changes, for robust RGBT tracking. We introduce independent dynamic template tokens to interact with the search region, embedding temporal information to address appearance changes, while also retaining the involvement of the initial static template tokens in the joint feature extraction process to ensure the preservation of the original reliable target appearance information that prevent deviations from the target appearance caused by traditional temporal updates. We also use attention mechanisms to enhance the target features of multimodal template tokens by incorporating supplementary modal cues, and make the multimodal search region tokens interact with multimodal dynamic template tokens via attention mechanisms, which facilitates the conveyance of multimodal-enhanced target change information. Our module is inserted into the transformer backbone network and inherits joint feature extraction, search-template matching, and cross-modal interaction. Extensive experiments on three RGBT benchmark datasets show that the proposed approach maintains competitive performance compared to other state-of-the-art tracking algorithms while running at 39.1 FPS.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
传奇3应助hzhang0807采纳,获得10
1秒前
李木子hust发布了新的文献求助10
1秒前
GRG完成签到 ,获得积分0
2秒前
3秒前
幸福的雨发布了新的文献求助10
3秒前
3秒前
美丽乾发布了新的文献求助30
4秒前
王wang完成签到,获得积分10
5秒前
Akim应助优秀的书萱采纳,获得30
5秒前
Lucas应助21采纳,获得10
8秒前
默默洋葱完成签到,获得积分10
8秒前
9秒前
第七个太阳完成签到,获得积分10
9秒前
ATOM发布了新的文献求助10
9秒前
9秒前
阿蓉啊完成签到 ,获得积分10
11秒前
preciousday完成签到 ,获得积分10
12秒前
666完成签到,获得积分10
13秒前
13秒前
HH发布了新的文献求助10
13秒前
SciGPT应助Galato采纳,获得10
13秒前
研友_ngqjz8完成签到,获得积分10
14秒前
完美世界应助撒大苏打采纳,获得10
14秒前
14秒前
yuan完成签到,获得积分10
16秒前
苏卿应助淡定的勒采纳,获得10
16秒前
16秒前
肥小耗发布了新的文献求助10
17秒前
我是中国人完成签到,获得积分10
17秒前
21发布了新的文献求助10
17秒前
浮游应助搞怪的之云采纳,获得10
17秒前
19秒前
852应助didi采纳,获得10
19秒前
交个朋友完成签到 ,获得积分10
20秒前
你好完成签到,获得积分10
21秒前
ll完成签到,获得积分10
21秒前
苹果完成签到,获得积分20
21秒前
乐乐应助Happy采纳,获得10
22秒前
22秒前
科目三应助HH采纳,获得10
22秒前
高分求助中
HIGH DYNAMIC RANGE CMOS IMAGE SENSORS FOR LOW LIGHT APPLICATIONS 1500
Constitutional and Administrative Law 1000
Questioning sequences in the classroom 700
Microbially Influenced Corrosion of Materials 500
Die Fliegen der Palaearktischen Region. Familie 64 g: Larvaevorinae (Tachininae). 1975 500
The Experimental Biology of Bryophytes 500
Rural Geographies People, Place and the Countryside 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 物理化学 基因 遗传学 催化作用 冶金 量子力学 光电子学
热门帖子
关注 科研通微信公众号,转发送积分 5379690
求助须知:如何正确求助?哪些是违规求助? 4503940
关于积分的说明 14017109
捐赠科研通 4412782
什么是DOI,文献DOI怎么找? 2423932
邀请新用户注册赠送积分活动 1416842
关于科研通互助平台的介绍 1394431