计算机科学 > 计算机视觉与模式识别
[提交于 2025年7月7日
]
标题: 军事车辆在低帧率无人机视频中的自监督实时跟踪
标题: Self-Supervised Real-Time Tracking of Military Vehicles in Low-FPS UAV Footage
摘要: 多目标跟踪(MOT)旨在在视频帧中保持对象的一致身份。 由于实际战斗场景中由移动无人飞行器(UAV)拍摄的低帧率视频中对象外观和位置的快速变化,关联这些视频中的对象是复杂的。 由于云视频流和压缩算法导致的图像退化,该任务变得更加具有挑战性。 我们展示了如何从单帧注释中进行实例关联学习可以克服这些挑战。 我们表明场景的全局特征为低帧率实例关联提供了关键上下文,使我们的解决方案能够抵御干扰物和检测中的间隙。 我们还证明,即使降低输入图像分辨率和潜在表示大小以加快推理速度,这种跟踪方法也能保持高关联质量。 最后,我们展示了一个从公开数据源收集的标注军用车辆基准数据集。 本文最初是在由信息系统技术(IST)科学技术委员会组织的北约科学与技术组织研讨会(ICMCIS)上提出的,IST-209-RSY - ICMCIS,于2025年5月13日至14日在葡萄牙奥埃拉斯举行。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.