arXiv ID:
2607.08537
Whareformer:学习在长时间自我中心视频中追踪物体在哪里 / Whareformer: Learning to Track What is Where in Long Egocentric Videos
1️⃣ 一句话总结
本文提出首个基于学习的解决方案Whareformer,通过Transformer模型结合可更新的记忆模块和轨迹分配机制,在长时间第一人称视角视频中持续追踪被移动的物体,即使物体离开视野或被遮挡也能保持对其位置和身份的记忆,在多个数据集上大幅超越现有方法。