#149
summarized by : Anonymous
Learning To Adversarially Blur Visual Object Tracking

どんな論文か?

露光中に被写体やカメラが移動することで生じるモーションブラーに対するvisual object tracker(VOT)のロバスト性を探ります。具体的に,入力フレームを自然なモーションブラー対応のフレームにオンラインで転送しながら、トラッキングプロセスにおいて最先端のトラッカーをミスリードさせることでVOTの脆さを明らかにします。

新規性

入力フレームをオンラインで自然なモーションブラー対応に変換しながら 最新のトラッカーをトラッキング中にミスリードさせることにより,将来的にVOTの性能向上が可能

結果

4つの一般的なデータセット(OTB100、VOT2018、UAV123、LaSOTなど)を用いた実験により、我々の手法が高い移植性を持つ4つの最先端のトラッカーで大幅な精度低下を引き起こすことができることを実証しました。

その他(なぜ通ったか?等)

既存のモーションブラー生成手法では、視覚的なオブジェクトトラッキングに対する悪意ある、あるいは意図しない脅威を完全に明らかにすることはできなかったことが理由であると考える.