스펙트럼 필터 추적

시각적 객체 추적은 많은 실제 적용 사례가 있는 어려운 컴퓨터 비전 과제입니다. 본 논문에서는 각 후보 이미지 영역을 픽셀 단위의 그리드 그래프로 모델링하여 그래프 관점에서 간단하지만 효율적인 스펙트럼 필터 추적(SFT) 방법을 제안합니다. 전통적인 그래프 매칭 대신, 최적의 정점을 예측하기 위해 그래프에서 스펙트럼 필터를 학습하는 단순 최소 제곱 회귀 문제로 추적을 공식화합니다. 이 정점은 목표의 중심을 나타냅니다. 그래프 라플라시안 L에서 계산 비용이 많이 드는 고유값 분해를 피하기 위해, 스펙트럼 그래프 필터를 L의 다항식으로 매개변수화하여 스펙트럼 그래프 이론에 따라 지역 그래프 특징을 집계합니다. 여기서 Lk는 각 정점의 k-hop 지역 이웃을 정확하게 인코딩합니다. 따라서 상관 필터 기반 방법의 전체 회귀와는 다르게, SFT는 픽셀(즉, 정점) 주변의 지역화된 영역에서 작동할 수 있어 지역 변동성과 복잡한 배경의 영향을 효과적으로 줄일 수 있습니다. Furthermore, we observe that the correlation filter tracking may be viewed as a specific case of our proposed spectral filtering method. The implementation of SFT can simply boil down to only a few line codes, but surprisingly it beats the correlation filter based model with the same feature input, and achieves the state-of-the-art performance on OTB-2015 and VOT2016 under the same feature extraction strategy.