محققان در مقاله جدیدی، روش خلاقانهای به نام «Selective Mask Propagation» برای ردیابی دقیقتر اشیاء (Multi-Object Tracking) معرفی کردهاند.
مشکل اصلی اکثر ردیابها این است که در تمامی فریمها، منابع سنگینی را مصرف میکنند؛ در حالی که بیشتر فریمها ساده هستند و فقط لحظات خاصی پیچیدگی دارند. این روش جدید، هوشمندانه عمل میکند:
✅ از یک ردیاب سبکوزن برای اکثر صحنهها استفاده میکند.
✅ فقط زمانی که «عدم قطعیت» بالا برود، سراغ مدلهای سنگینتر و دقیقتر (VOS) میرود.
✅ بدون نیاز به آموزش مجدد، دقت ردیابی را در بنچمارکهای مهمی مثل SportsMOT به شکل چشمگیری افزایش میدهد.
این یعنی پردازش سریعتر و در عین حال دقیقتر در سیستمهای بینایی ماشین؛ خبری عالی برای توسعهدهندگان حوزهی آنالیز ویدیو و تحلیل ورزشی! 🏆
منبع: arXiv Computer Vision