[Object Tracking] DCF-based Tracker

💡 계속 업데이트 예정

DCF (Discriminative Correlation Filter)

• DCF-based 접근법
  : objective를 최소화함으로써 target과 background를 구별하기 위한 target model을 학습한다. 

 

• 여러가지 종류들
  • 오랫동안 Fourier-transform based solvers는 DCF based trackers [5, 15, 29, 46]에 지배적이었다.
  • [13]은 target model로 two layer Perceptron을 사용하고, 최적화 문제를 해결하기 위해 Conjugate Gradient를 사용한다.
  • 최근, 추적 문제를 meta learning problem [1, 58, 72]에 던져 end-to-end training을 가능하게 하는 여러 가지 방법이 도입되었다. 

➡ 이러한 방법들은 고정된 횟수의 반복에 대한 iterative optimization algorithm을 풀고,
    이를 tracking pipeline에 통합하여 end-to-end training을 허용하는 아이디어를 기반으로 한다.

 

 

• [1]은 discriminative feature space를 학습하고, initial frame에서 target state를 기반으로 target model의 가중치를 예측하고, 최적화 알고리즘으로 가중치를 refine한다.

 

---

 

• 이러한 접근법은 test frame에서 target object를 localize 하기 위해 target model을 사용
• 다양한 target model이 사용되지만, discriminative tracker는 target model weights를 생성하기 위해 common base formulation을 공유

 

 

 

 

 

---

DCF-based trackers

- Learning discriminative model prediction for tracking. 

- ATOM: Accurate tracking by overlap maximization

- Visual tracking via adaptive spatially-regularized correlation filters.

- Discriminative correlation filter tracker with channel and spatial reliability.

- Correlation tracking via joint discrimination and reliability learning.

- Tracking by instance detection: A metalearning approach.

- Learning feature embeddings for discriminant model based tracking.

 

 

 

 

 

 

---

Architecture representations

 

 

🎁 참고

• Objective function : Loss/Cost function이랑 비슷한 의미
• 그 외) Siamese, Transformer 기반 방법 정리할 것
• 단점도 존재 (ToMP 글 참고)