【目标跟踪论文阅读8】Seqtrack

论文名称：SeqTrack: Sequence to Sequence Learning for Visual Object Tracking
论文代码：https://github.com/microsoft/VideoX

摘要

在本文中，我们提出了一种新的序列到序列学习框架的视觉跟踪，称为SeqTrack。它将视觉跟踪转换为一个序列生成问题，它以自回归的方式预测对象边界盒。这与之前的暹罗跟踪器和变压器跟踪器不同，它们依赖于设计复杂的头网络，如分类和回归头。SeqTrack只采用了一个简单的编解码器变压器架构。编码器使用双向转换器提取视觉特征，而解码器使用因果转换器自动回归生成一系列边界盒值。损失函数是一个普通的交叉熵。这种序列学习范式不仅简化了跟踪框架，而且在基准测试上取得了竞争性能。例如，SeqTrack在LaSOT上获得了72.5%的AUC，建立了一个新的最先进的性能状态。

介绍

在本文中，我们提出了一种新的序列到序列学习框架的视觉跟踪，称为SeqTrack。它将视觉跟踪转换为一个序列生成问题，它以自回归的方式预测对象边界盒。这与之前的暹罗跟踪器和变压器跟踪器不同，它们依赖于设计复杂的头网络，如分类和回归头。SeqTrack只采用了一个简单的编解码器变压器架构。编码器使用双向转换器提取视觉特征，而解码器使用因果转换器自动回归生成一系列边界盒值。损失函数是一个普通的交叉熵。这种序列学习范式不仅简化了跟踪框架，而且在基准测试上取得了竞争性能。例如，SeqTrack在LaSOT上获得了72.5%的AUC，建立了一个新的最先进的性能状态。