डेटा-चालित अनुकूलन द्वारा अस्थिर दृश्य प्रकटियों का अनुगमन

लक्ष्य के बारे में किसी पूर्व ज्ञान के बिना, प्रकट होना आमतौर पर दृश्य अनुगमन में उपलब्ध एकमात्र संकेत होता है। हालाँकि, सामान्यतः, प्रकटियाँ अक्सर अस्थिर होती हैं, जो पूर्व निर्धारित दृश्य मापनों को खराब कर सकती हैं और प्रायोगिक रूप से अनुगमन विफलता का कारण बन सकती हैं। इस प्रकार, एक स्वाभाविक समाधान यह है कि अवलोकन मॉडल को अस्थिर प्रकटियों के लिए अनुकूलित किया जाए। हालाँकि, यह विचार अनुकूलन प्रवृत्ति की जोखिम से खतरे में है, जो इसके असामान्य स्वभाव से उत्पन्न होता है, जब तक कि अच्छे डेटा-चालित प्रतिबंध लागू नहीं किए जाते। अधिकांश मौजूदा अनुकूलन योजनाओं से भिन्न, हम आदर्श अनुकूलन के लिए तीन नवीनतम प्रतिबंध लागू करते हैं: (1) नकारात्मक डेटा, (2) नीचे से ऊपर की जोड़ी-बद्ध डेटा प्रतिबंध, और (3) अनुकूलन गतिशीलता। सामान्य अनुकूलन समस्या को एक उप-स्थान अनुकूलन समस्या के रूप में स्पष्ट करते हुए, यह पत्र एक बंद-फॉर्म समाधान के साथ-साथ उप-स्थान ट्रैकिंग के लिए एक व्यावहारिक पुनरावृत्त एल्गोरिदम प्रस्तुत करता है। व्यापक प्रयोगों ने यह प्रमाणित किया है कि प्रस्तावित दृष्टिकोण अनुकूलन प्रवृत्ति को काफी हद तक कम कर सकता है और अस्थिर दृश्यों के लिए बेहतर ट्रैकिंग परिणाम प्राप्त कर सकता है।