Exploring Decoupled Spatio-Temporal Consistency Learning and Self-Prompting Evolution for Self-Supervised Tracking
探索用于自监督跟踪的解耦时空一致性学习与自提示演化
AI总结 本研究提出SSTrack++自监督跟踪模型,通过弱到强自监督框架、解耦时空一致性策略等,在十个基准数据集上超越SOTA自监督跟踪方法,显著缩小与全监督跟踪器的性能差距。
Comments IJCV 2026
期刊&会议
International Journal of Computer Vision · 期刊 · Computer Vision
探索用于自监督跟踪的解耦时空一致性学习与自提示演化
AI总结 本研究提出SSTrack++自监督跟踪模型,通过弱到强自监督框架、解耦时空一致性策略等,在十个基准数据集上超越SOTA自监督跟踪方法,显著缩小与全监督跟踪器的性能差距。
Comments IJCV 2026