引言

在過去的一年中，計算機視覺領域出現(xiàn)了許多優(yōu)秀的工作，并推動了相關領域的技術發(fā)展與進步。去年上半年，極市曾盤點過計算機視覺領域綜述論文，并進行了分類整理，得到了很多讀者的支持。因此，在2021年初，我們對2020年出現(xiàn)的全部計算機視覺綜述論文進行了分方向梳理，希望能幫助大家學習進步。

注：文章將同步更新于Github上，歡迎大家 star/fork
https://github.com/extreme-assistant/survey-computer-vision

綜述一

【1】 Correlation Filter for UAV-Based Aerial Tracking: A Review and Experimental Evaluation

標題：相關過濾無人機空中跟蹤技術綜述與實驗評估
作者：Changhong Fu, Geng Lu
鏈接：https://arxiv.org/abs/2010.06255

本文共梳理94篇相關文獻，由同濟大學學者提出。

配備有視覺跟蹤方法的基于無人機（UAV）的遙感系統(tǒng)已被廣泛用于航空，導航，農業(yè)，運輸和公共安全等。如上所述，基于UAV的航空跟蹤平臺已經從研究階段逐步發(fā)展到實際應用階段，成為未來主要的航空遙感技術之一。但是，由于現(xiàn)實世界中充滿挑戰(zhàn)的情況，無人機的機械結構（特別是在強風條件下）的振動以及有限的計算資源，準確性，魯棒性和高效率對于機載跟蹤方法都是至關重要的。最近，基于區(qū)分相關濾波器（DCF）的跟蹤器以其高計算效率和在單個CPU上具有吸引力的魯棒性而引人注目，并在UAV視覺跟蹤社區(qū)中蓬勃發(fā)展。本文首先概括了基于DCF的跟蹤器的基本框架，在此基礎上，根據(jù)其解決各種問題的創(chuàng)新，有序總結了20種基于DCF的最新跟蹤器。此外，對各種流行的無人機跟蹤基準進行了詳盡和定量的實驗，即UAV123，UAV123_10fps，UAV20L，UAVDT，DTB70和VisDrone2019-SOT。

在無人機追蹤基準[UAVDT]下，基于DCF的追蹤器和深度追蹤器的性能比較。圖例中帶有*的跟蹤器是在GPU上運行的結果，該GPU利用GPU加速了卷積和池計算。當跟蹤速度在單個CPU上達到紅色虛線（30FPS）時，就可以滿足無人機實時跟蹤的要求:

無人機平臺上基于DCF的方法的一般跟蹤結構，可分為訓練階段，模型更新和檢測階段:

六個基準測試中的原始屬性（在線下）和新屬性之間的對應關系，以及每個基準測試對每個新屬性的序列號貢獻:

綜述二

【2】 Multi-modal Visual Tracking: Review and Experimental Comparison

標題：多模態(tài)視覺跟蹤：綜述與實驗比較
作者：Pengyu Zhang,Dong Wang,Huchuan Lu
鏈接：https://arxiv.org/abs/2012.04176

本文共梳理127篇相關文獻。

視覺對象跟蹤作為計算機視覺中的一項基本任務，近年來引起了很多關注。為了將跟蹤器擴展到更廣泛的應用范圍，研究人員引入了來自多種模式的信息來處理特定的場景，這是新興方法和基準的有前途的研究前景。為了全面回顧多模式跟蹤，本文從不同方面總結了多模式跟蹤算法，特別是在統(tǒng)一分類法中的可見深度（RGB-D）跟蹤和可見熱（RGB-T）跟蹤，提供了有關基準和挑戰(zhàn)的詳細描述。此外，本文進行了廣泛的實驗，以分析跟蹤器在五個數(shù)據(jù)集上的有效性：PTB，VOT19-RGBD，GTOT，RGBT234和VOT19-RGBT。

早期融合（EF）和晚期融合（LF）的工作流程?；贓F的方法進行特征融合并共同建模；而基于LF的方法旨在分別為每個模態(tài)建模，然后組合其決策：

OAPF框架。應用了帶有遮擋處理的粒子濾波方法，其中遮擋模型是針對模板模型構造的。當目標被遮擋時，遮擋模型用于預測位置而無需更新模板模型：

JMMAC的工作流程?；贑F的跟蹤器用于對外觀提示進行建模，同時考慮了相機和目標運動，從而獲得了可觀的性能: