BriefGPT - AI 论文速递
·
TENet：融合多尺度池化和相互引导融合的 RGB-E 目标追踪
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种改进的视觉对象跟踪方法，利用视觉事件相机的输出来捕捉场景运动特征。通过引入适应事件数据特性的事件 backbone 和自适应互相指导融合模块，提高了特征表示的质量。在两个 RGB-E 跟踪数据集上，方法的精确度和成功率分别提高了4.9%和5.2%。
🎯
关键要点
- 提出了一种改进的视觉对象跟踪方法。
- 利用视觉事件相机的输出捕捉场景运动特征。
- 引入适应事件数据特性的事件 backbone 和自适应互相指导融合模块。
- 提高了特征表示的质量。
- 在两个 RGB-E 跟踪数据集上，精确度提高了 4.9%。
- 在两个 RGB-E 跟踪数据集上，成功率提高了 5.2%。
🏷️
标签
➡️
