VPTracker：基于MLLM的全局视觉-语言跟踪

Paper#vision-language tracking, MLLM, object tracking🔬 Research|分析: 2026年1月3日 19:34•
发布: 2025年12月28日 06:12
•
1分で読める
•ArXiv

分析

本文介绍了VPTracker，这是一种利用多模态大型语言模型 (MLLM) 进行全局搜索的视觉-语言跟踪新方法。关键创新是一种位置感知视觉提示机制，它将空间先验信息集成到MLLM中，提高了对视角变化和遮挡等挑战的鲁棒性。这是通过利用MLLM的语义推理能力，实现更可靠和稳定的目标跟踪的重要一步。
引用 / 来源
查看原文
"The paper highlights that VPTracker 'significantly enhances tracking stability and target disambiguation under challenging scenarios, opening a new avenue for integrating MLLMs into visual tracking.'"
A
ArXiv2025年12月28日 06:12
* 根据版权法第32条进行合法引用。
较旧

Evaluating the Performance of Open-Vocabulary Object Detection in Low-quality Image

较新

3-Crossed modules, Quasi-categories, and the Moore complex

相关分析

Paper

从未对齐图像即时进行3D场景编辑

2026年1月3日 06:10

Paper

基于选择策略的协调人形机器人操作

2026年1月3日 06:10

Paper

用于未来预测的LLM预测

2026年1月3日 06:10

来源: ArXiv