MpoxMamba 用于检测Mpox的基于分组Mamba的轻量级混合网络 !

主要观点总结

本文主要介绍了一种新的目标感知的目标跟踪方法，通过目标性正则化和上下文注意力模块，提高点跟踪的鲁棒性和准确性。该方法在PointOdyssey，TAP-Vid-DAVIS和CroHD基准测试上实现了最先进性能。文章还包含了相关技术的细节和实验结果的分析。

关键观点总结

关键观点1: 目标性正则化方案

该方案在训练期间惩罚点脱离其相关目标，通过利用合成环境中的物属性Mask，使跟踪点保持在目标实例的边界内。

关键观点2: 上下文注意力模块

该模块增强特征表示，以更好地区分单个目标。通过引入上下文注意力，模型能够在特征Level更清楚地识别物体。

关键观点3: 实验结果

在PointOdyssey，TAP-Vid-DAVIS和CroHD基准测试上的广泛实验证明了作者方法的有效性，实现了跨多个评价指标的最先进性能。消融研究证实了目标性正则化和上下文注意力组件的互补优势。

文章预览

点击下方卡片，关注 「集智书童」 公众号 点击加入👉 「集智书童」 交流群 想要了解更多： 前沿AI视觉感知全栈知识 👉 「分类、检测、分割、关键点、车道线检测、3D视觉（分割、检测）、多模态、目标跟踪、NerF 」 行业技术方案 👉 「 AI安防、AI医疗、AI自动驾驶 」 AI模型部署落地实战 👉 「CUDA、TensorRT、NCNN、OpenVINO、MNN、ONNXRuntime以及地平线框架」 欢迎扫描上方二维码，加入「 集智书童-知识星球 」，日常分享论文、学习笔记、问题解决方案、部署方案以及全栈式答疑，期待交流！ 免责声明 凡本公众号注明“来源：XXX（非集智书童）”的作品，均转载自其它媒体，版权归原作者所有，如有侵权请联系我们删除，谢谢。 点跟踪是计算机视觉中的一个基本问题，在AR和机器人领域有诸多应用。在长期点跟踪中，一种常见的失效模式是预测的点 ………………………………