论文推荐

“SFFAI132期来自中科院自动化研究所模式识别国家重点实验直博生张志鹏推荐的文章主要关注于计算机视觉的目标跟踪领域，你可以认真阅读讲者推荐的论文，来与讲者及同行线上交流哦。”

关注文章公众号

回复"SFFAI132"获取本主题精选论文

01

推荐理由：不卷跟踪算法的性能，通过引入语言这种模态，探讨跟踪问题是否可以有新的血液，也为广大被卷的苦不堪言的跟踪方向研究者提供一种新的思考方向。

02

推荐理由：系统性的探讨了跟踪匹配问题的解法，通过搜索的方式得到适用于不同子任务的匹配网络，为未来的专业型跟踪（如无人机，夜晚等场景）搜索最有效跟踪器提供了一种思路。

03

推荐理由：近年来目标跟踪中最经典的论文，单目标跟踪入坑必读之作。将目标跟踪定义为匹配问题并用深度学习以最简洁的形式求解，大道至简。

04

推荐理由：深度学习之后基于相关滤波在线学习跟踪范式的一个里程碑，马丁大佬的又一篇代表作。

05

推荐理由：第一篇将多目标跟踪思想用于解单目标跟踪问题，为单目标跟踪的发展引入了新的模式。

06

推荐理由：新发的基于Transformer的跟踪器，告诉读者以最简单的方式直接替换backbone并略作改动便可以刷新跟踪的最好性能。相对于到处凑novelty的方式，这种简单粗暴的方式有时候反而更显得真诚。

分享内容

分享简介

本期分享我们邀请到了来自中国科学院自动化研究所的张志鹏同学，依托于他近期的工作，对视频目标跟踪研究的进展做一个简单概述。主要包括以下三个方面：多模态目标跟踪的初步探索，孪生跟踪框架中的匹配机制研究和单目标跟踪与多目标跟踪的框架联动。

讲者介绍

张志鹏，中科院自动化研究所模式识别国家重点实验直博，主要研究方向为视频目标跟踪，目前已在CVPR, ICCV, ECCV, AAAI等会议发表多篇论文。

分享题目

视频目标跟踪算法研究进展

分享摘要

在我们CVPR2021的工作TNL2K[1]中，我们第一次在目标跟踪中引入视觉和语言的双模态跟踪模式。在我们ICCV2021工作AutoMatch[2]中，我们对主流的孪生跟踪框架中的核心匹配机制进行了探索，指出标志性的互相关算子并不是最适合跟踪的匹配模式。我们将匹配问题定义为特征融合并引入多个融合算子，通过搜索的方式得到适合跟踪中分类和回归子任务的匹配网络。在我们的AAAI2022工作OMC[3]（CSTrackV2）中，我们将SOT中互相关匹配的思想以最简洁的形式引入MOT任务，将JDE[4]形式的MOT框架推到了SOTA。

分享亮点

1、基于我们提出的TNL2K[1] 引出目标跟踪的新任务，畅想未来多模态跟踪中的可能范式；

2、讨论近年来目标跟踪中匹配机制的研究进展，我们提出的AutoMatch[2]为未来跟踪中匹配算子的研究提供更多可能性；

3、基于我们提出的OMC[3]探讨SOT和MOT之间思想的相互碰撞。

[1] Wang, Xiao, et al. "Towards More Flexibleand Accurate Object Tracking with Natural Language: Algorithms andBenchmark." Proceedings of the IEEE/CVF Conference on ComputerVision and Pattern Recognition. 2021.

[2] Zhang, Zhipeng,et al. "Learn to match: Automatic matching network design for visualtracking." Proceedings of the IEEE/CVF International Conference onComputer Vision. 2021.

[3] Liang, Chao,et al. "One More Check: Making" Fake Background" Be TrackedAgain." arXiv preprint arXiv:2104.09441 (2021).

直播时间

2021年12月19日（周日）20:00—21:00 线上直播

关注本公众号，对话框回复“SFFAI132”，获取入群二维码

注：直播地址会分享在交流群内

SFFAI招募！

现代科学技术高度社会化，在科学理论与技术方法上更加趋向综合与统一，为了满足人工智能不同领域研究者相互交流、彼此启发的需求，我们发起了SFFAI这个公益活动。SFFAI每周举行一期线下活动，邀请一线科研人员分享、讨论人工智能各个领域的前沿思想和最新成果，使专注于各个细分领域的研究者开拓视野、触类旁通。

SFFAI目前主要关注机器学习、计算机视觉、自然语言处理等各个人工智能垂直领域及交叉领域的前沿进展，将对线下讨论的内容进行线上传播，使后来者少踩坑，也为讲者塑造个人影响力。SFFAI还在构建人工智能领域的知识森林—AI Knowledge Forest，通过汇总各位参与者贡献的领域知识，沉淀线下分享的前沿精华，使AI Knowledge Tree枝繁叶茂，为人工智能社区做出贡献，欢迎大家关注SFFAI论坛：https://bbs.sffai.com。

论文推荐

• 《代码生成》论文推荐

• 《预训练模型》论文推荐

• 《机器翻译专题》论文推荐

• 《脚本事件预测专题》论文推荐

• 《多模态处理》论文推荐

• 《点云补全》论文推荐

• 《图像生成》论文推荐

• 《机器翻译》论文推荐

• 《点云补全》论文推荐

• 《文本表示》论文推荐

• 《对话机器阅读理解》论文推荐

• 《事件关系抽取》论文推荐

• 《同义句生成》论文推荐

• 《对话系统》论文推荐

• 《语义关系分类》论文推荐

更多论文推荐历史文章

请点击文章底部“阅读原文”查看

分享、点赞、在看，给个三连击呗！