定位策略

[oatlvv]

作者你好，请问在ARTracke的定位过程中，依次推理出x_min, y_min, x_max, y_max时，为什么每次都以第二维度的最后一列来进行解码？还有就是为什么以最大概率对应的索引作为追踪结果？这是什么定位策略？

[ARTrackV2]

第二维度的最后一列被规定为要预测的目标坐标，即在第一轮预测时（此时的输入为trajectory+start_token）他的预测目标是x_min,那么当他concat到decoder的query输入(trajectory+start_token+x_min)的时候，他在第二轮预测的目标就成为了y_min，以此类推，因此并不是只使用了最后一列，而是在每一个坐标的预测中，仅使用了其帧内时序上的上一个token作为了输入。 以最大概率索引作为结果即显式的构造贪心策略，您可以尝试使用我们在计算SIoU使用的期望来进行最终结果进行索引，那就是构造了一个连续的迪利克雷分布，这也符合我们的损失函数计算，您可以尝试不同的策略，如果您有更好的策略也欢迎您引用我们的文章！