Object tracking

SOT, MOT 에 대한 각각의 방법론은 다른 training datasets / 각 task의 tracking objects의 다름 때문에 서로 적용되기 어렵다.Unified Transformer Tracker(UTT) 제안다른 시나리오에서의 tracking 문제들의

샴 네트워크(Siamese Network)는 "Siamese Neural Networks for One-shot Image Recognition"라는 논문에서 처음 소개되었습니다. 이 논문은 한 번의 학습으로 새로운 클래스에 대한 이미지 인식 작업에서 좋은 성능을 달성

매년 ICCV나 ECCV 에서 열리는 워크샵을 통해 개최되고 있다.VOT dataset을 제공함. 하지만 아래와 같이 다른 dataset들도 tracking을 위해 많이 사용되고 있음OTBTrackingNetLaSOTGOT-10kVOT-RT: real-time 제약이

first-frame annotation 이 user로부터 제공됨.input이 user prompt (scribbles 등, segmentation mask보다 훨씬 단순한 형태)인 경우prompt가 text인 경우첫 프레임에 구체적인 Mask가 주어지지 않음. aim

SAM은 temporal correspondence의 부족으로 video에서는 impressive한 성능을 내지 못했음.(1) SAM을 비디오 레벨로 끌어올렸고, (2) one-pass interaction이라 매우 쓰기 쉽고, (3) SOTA 성능 달성비디오 첫 번째

Vanila semi-supervised object tracking.기존 Video Object Segmentation (VOS) 연구들은 하나의 feature memory만 사용했었음.1분 이상의 긴 video를 처리하기에 하나의 feature memory로는 충분