Gosto sledenje slikovnim točkam je proces, ki ocenjuje dolgoročne trajektorije za vse referenčne točke, in predstavlja zmogljivo reprezentacijo gibanja v videoposnetkih. To je posebej zahtevno v kavzalnem sprotnem sledenju, kjer prihodnje slike ob času inference v trenutni sliki niso na voljo, premiki točk so lahko drastični, točke se zakrijejo ali spremenijo svoj videz. Zanesljivo ohranjanje identitet točk skozi dolge videoposnetke zato ostaja zahtevno, zlasti kadar je potrebno njihovo podobo skozi čas posodabljati, ne da bi s tem poslabšali stabilnost napovedi. Predstavljamo DeMeTer, gosto sprotno metodo za sledenje točkam, ki združuje globalno ujemanje, pogojeno s pomnilnikom, z lokalno izboljšavo gibanja. Namesto ujemanja zgolj s statičnimi referenčnimi značilkami DeMeTer vzdržuje pomnilnik videza, ki se posodablja na podlagi zaupanja. Ta pomnilnik vsako točko posodablja z zanesljivimi preteklimi meritvami, kar omogoča ponovno zaznavo po zakritju ali spremembi videza. Hkrati ločen pomnilnik gibanja shranjuje kratkoročno lokalno dinamiko, kar modulu za izboljšavo lokacij omogoča ohranjanje natančnih in časovno skladnih trajektorij. Ta z referenčnim okvirjem poravnana arhitektura z dvojnim pomnilnikom ločuje ohranjanje identitete točk od kratkoročnega modeliranja njihovega gibanja. S tem omogoča eksplicitno gosto ponovno zaznavo ob popolni kavzalnosti. DeMeTer postavlja novo stanje tehnike in sorodne metode preseže za 4,1\% po metriki $\delta_{\mathrm{avg}}$, hkrati pa deluje v realnem času.
|