跨模态注意力转换器用于 RGBT 跟踪
原文中文，约300字，阅读约需1分钟。发表于：。我们提出了一种名为 Cross-modulated Attention Transformer (CAFormer) 的新方法，它在一个统一的注意力模型中执行自注意力、交叉注意力和搜索 - 模板相关性计算，用于 RGBT 跟踪，通过寻求各模态一致性来改善相关性权重的精度，并提出了合作标记消除策略以进一步提高跟踪推理效率和准确性，实验结果表明所提出的 CAFormer 在五个公共 RGBT...
我们提出了一种名为Cross-modulated Attention Transformer (CAFormer)的新方法，用于RGBT跟踪。该方法通过自注意力、交叉注意力和搜索-模板相关性计算，在一个统一的注意力模型中改善相关性权重的精度。实验结果表明，CAFormer在五个公共RGBT跟踪基准上优于同类方法。
