LRR: 基于语言驱动的可重采样连续表示抵抗对抗追踪攻击
内容提要
本文探讨了在线视频目标跟踪中的对抗攻击，提出了一种名为SPARK的增量攻击方法，能够有效误导多种基准跟踪器。研究还介绍了基于卷积神经网络的跟踪方法和新型空间监督递归卷积神经网络，提升了跟踪的准确性和鲁棒性。此外，提出了无监督对象跟踪架构和基于实例到轨迹匹配的学习方法，展示了在复杂场景中的优越性能。
延伸解读
对抗攻击与防御的博弈
文章提出的SPARK方法通过在线生成微小扰动来误导跟踪器，且具有较强的可迁移性，这意味着攻击可能不依赖于特定跟踪器的内部细节。对于跟踪系统的实际部署，这提示需要关注对抗鲁棒性，但文章未涉及具体的防御策略或攻击成功率数据，读者需结合后续研究评估风险。
卷积网络在跟踪中的持续竞争力
文章介绍了一种基于ConvNets和多模态视觉语言的追踪方法，通过模态混合器和不对称ConvNet搜索，仅使用卷积网络就能在SOTA追踪中表现出色，甚至超过部分基于Transformer的跟踪器。这表明在特定设计下，卷积架构仍具潜力，但文章未提供具体性能指标或对比细节，需谨慎看待其泛化性。
无监督跟踪应对复杂场景
文章提出了一种无监督对象跟踪架构，利用空间不变运算和本地对象表示，在多个实验中展现了对多物体混乱场景的跟踪优势，并能推广到训练时未遇到的更大、物体更多的视频。这为减少标注依赖提供了思路，但文章未说明其计算效率或实际部署限制，读者需结合应用场景权衡。
Q&A
SPARK攻击方法的主要特点是什么？
SPARK是一种基于稀疏性的增量攻击方法，能够有效误导多个基准跟踪器，并具有较强的可迁移性。
本文提出的无监督对象跟踪体系结构有什么优势？
无监督对象跟踪体系结构在复杂场景中能够更好地跟踪多个物体，表现优于其他方法。
如何提高视频目标跟踪的准确性和鲁棒性？
通过结合卷积网络的高层视觉特征和空间监督递归卷积神经网络，可以提升跟踪的准确性和鲁棒性。
基于卷积神经网络的追踪方法与基于Transformer的追踪器相比如何？
基于卷积神经网络的追踪方法在SOTA追踪中表现出色，甚至超过了基于Transformer的追踪器。
本文中提到的实例到轨迹匹配的外观嵌入学习方法有什么特点？
该方法能够进行半监督学习，并在多个数据集上表现优异，适用于在线多目标跟踪问题。
如何实现端到端的视频视觉跟踪？
通过结合循环卷积神经网络和强化学习算法，可以实现端到端的视频视觉跟踪，提升跟踪性能。
