【中国科学家给AI开了个外挂】AI看视频时，得一直盯住某个目标，比如自动驾驶要盯住行人、车辆。但目标一变形、被挡住，AI就容易跟丢。近日，中国科学院沈阳自动化研究所团队提出一种即插即用视觉跟踪框架PNPTrack。不用全参数重训，也不用额外加时空模块，就能利用时空信息提升跟踪稳定性和精度。

科研团队将骨干网络的编码器划分为浅层与深层：浅层编码器在训练中保持冻结、不参与时空交互，降低可训练参数和训练资源；深层编码器依靠正向、负向时空特征整合时空信息。

我们可以理解为让AI学会“翻旧账”，参考前几帧画面里的信息来稳住目标。浅层直接可以不参与，但深层一边找目标在哪（正向信息），一边看背景有啥干扰（负向信息），各干各的，互不打架。

这套“翻旧账”功能可以随时开关。关掉就变回原来的AI，不用重装、不用调参数，跟插U盘一样方便。多组公开视觉跟踪数据集测试显示，PNPTrack具有优异性能。该框架仅需引入少量额外的投影参数，即可在保持较高推理速度的同时提升跟踪精度。

该研究为平衡跟踪精度与计算效率提供新思路。通过针对性挖掘目标与背景的历史信息，该框架以较低的模型改造成本改善复杂场景跟踪效果，为智能监控、移动机器人、自动驾驶等领域的视觉感知技术发展提供参考。中国科普博览