RELO: L'apprendimento per rinforzo migliora il tracciamento visivo degli oggetti

I ricercatori hanno introdotto RELO, un metodo basato sull'apprendimento per rinforzo per il tracciamento visivo degli oggetti che sostituisce i tradizionali priori spaziali artigianali con una politica di localizzazione appresa. Il metodo formula la localizzazione del target come un processo decisionale di Markov, utilizzando ricompense che combinano l'intersezione su unione (IoU) a livello di fotogramma e l'area sotto la curva di successo (AUC) a livello di sequenza. Un modulo di propagazione temporale dei token allineato per strato migliora la coerenza semantica tra i fotogrammi con un costo computazionale trascurabile. Sul benchmark LaSOText, RELO raggiunge il 57,5% di AUC senza aggiornamenti del template, superando i metodi precedenti. L'approccio ottimizza direttamente le metriche di tracciamento, affrontando il disallineamento tra la supervisione surrogata e i criteri di valutazione effettivi.