单流视觉语言记忆网络

强泛化抗复杂外观

用语言语义补偿视觉不稳定,通过记忆令牌筛选和高质量样本存储构建更紧凑稳定的目标模型,在复杂外观变化下仍能可靠跟踪。

张焕龙 · Wang, Jingchao · Zhang, Jianwei · 张天柱 · Bineng, Zhong

IEEE Transactions on Multimedia 2023

参数信息

基准上成功率
64.7 %
VLT
11.6 %

技术优势

外观剧变仍稳定

语言语义补偿视觉信息的不稳定性,使目标模型在面对复杂外观变化时更加稳定。

模型更紧凑

记忆令牌选择机制利用语言信息剔除不含目标信息的令牌,构建更紧凑的目标模型。

样本质量更高

基于语言的评估方法选择高质量目标样本存入记忆,为建模提供更好的视觉信息。

应用场景