tapnet

收录理由

跟踪任意点（TAP）要解决的是视频中某个物理点随运动持续被锁定的问题，这个来自Google DeepMind的仓库给出了该任务的官方参考实现。里面既有TAPIR这种两阶段匹配加精修的经典模型，它在TAP-Vid基准上立下了标杆；也有BootsTAPIR，靠大规模无标注真实视频学习一致性，精度明显超过前者；还有最新的TAPNext，把跟踪当成下一个词预测来做，结构更简单，速度也更快。仓库同时附带TAP-Vid和TAPVid-3D两套带真值轨迹的基准，想评估自己的模型可以直接拿来对比，不必临时拼凑评测流程。做机器人的人会关心RoboTAP，它把点轨迹转成真实世界里的模仿操作，实用性很强。模型代码、评测脚本和预训练权重都齐了，无论是当研究基线还是改造成自己的跟踪器，都有个扎实的起点。