В связи с проблемой трудности обеспечения высокой точности и частоты кадров сложных глубоких моделей отслеживания в условиях ограниченных вычислительных ресурсов, в этом тексте предлагается интересная комплексная трансформирующаяся визуальная слежка, основанная на знании. Этот визуальный трекер может эффективно справляться с вызовами, такими как быстрое перемещение цели и движение тумана благодаря введению динамического модуля коррекции изображения, который смешивает текущее сопоставленное изображение с изображением прогнозируемым на основе потока света. Для снижения сложности модели в этом тексте применяется стратегия сжатия знаний для сжатия модели, и в функцию потери вводится переменная неопределенность с той же дисперсией, с помощью обучения которого можно получить вес потери для разных подзадач, тем самым избежать утомительной и сложной ручной настройки параметров. Одновременно в процессе обучения в этом тексте также исполь

computer vision;object tracking;transformer;knowledge distillation;homoscedastic uncertainty