CVPR 2023 Paper Summary: Video: Low-Level Analysis, Motion, and Tracking

Uncovering the Missing Pattern: Unified Framework Towards Trajectory Imputation and Prediction Tracking Multiple Deformable Objects in Egocentric Videos Tracking through Containers and Occluders in the Wild TarViS: A Unified Approach for Target-based Video Segmentation VideoTrack: Learning to Track Objects via Video Transformer ARKitTrack: A New Diverse Dataset for Tracking using Mobile RGB-D Data A Dynamic Multi-Scale Voxel Flow Network for Video Prediction Representation Learning for Visual Object Tracking by Masked Appearance Transfer EqMotion: Equivariant Multi-Agent Motion Prediction with Invariant Interaction Reasoning EqMotion: Semi-Supervised Video Inpainting with Cycle Consistency Constraints Generalized Relation Modeling for Transformer Tracking Breaking the Object in Video Object Segmentation Unifying Short and Long-Term Tracking with Graph Hierarchies Simple Cues Lead to a Strong Multi-Object Tracker Unified Mask Embedding and Correspondence Learning for Self-Supervised Video Segmentation MOTRv2: Bootstrapping End-to-End Multi-Object Tracking by Pretrained Object Detectors SeqTrack: Sequence to Sequence Learning for Visual Object Tracking SeqTrack: Sequence to Sequence Learning for Visual Object Tracking Joint Visual Grounding and Tracking with Natural Language Specification Boosting Video Object Segmentation via Space-Time Correspondence Learning Visual Prompt Multi-Modal Tracking OVTrack: Open-Vocabulary Multiple Object Tracking TransFlow: Transformer as Flow Learner Focus on Details: Online Multi-Object Tracking with Diverse Fine-grained Representation Autoregressive Visual Tracking Bootstrapping Objectness from Videos by Relaxed Common Fate and Visual Grouping Tangentially Elongated Gaussian Belief Propagation for Event-based Incremental Optical Flow Estimation Tangentially Stretched Gaussian Belief Propagation for Event-Based Incremental Optical Flow EstimationBridging Search Region Interaction with Template for RGB-T TrackingEfficient RGB-T Tracking via Cross-Modality DistillationMotionTrack: Learning Robust Short-Term and Long-Term Motions for Multi-Object TrackingSelf-Supervised AutoFlowUTM: A Unified Multiple Object Tracking Model with Identity-Aware Feature EnhancementBiFormer: Learning Bilateral Motion Estimation via Bilateral Transformer for 4K Video Frame InterpolationSpatial-then-Temporal Self-Supervised Learning for Video Correspondence Spatiotemporal Self-Supervised Learning of Video Communication BundleSDF:Neural 6-DoF Tracking and 3D Reconstruction of Unknown Objects BundleSDF: Neural 6-DoF Tracking and 3D Reconstruction of Unknown Objects MED-VT: Multiscale Encoder-Decoder Video Transformer with Application to Object Segmentation MED-VT: Multiscale Encoder-Decoder Video Transformer with Application to Object Segmentation Context-Aware Relative Object Queries to Unify Video Instance and Panoptic Segmentation Unsupervised Space-Time Network for Temporally-Consistent Segmentation of Multiple Motions Resource-Efficient RGBD Aerial Tracking MMVC: Learned Multi-Mode Video Compression with Block-based Prediction Mode Selection and Density-Adaptive Entropy Coding MMVC: Learned Multi-Mode Video Compression with Block-based Prediction Mode Selection and Density-Adaptive Entropy Coding Streaming Video Model Streaming Video Model Weakly Supervised Class-Agnostic Motion Prediction for Autonomous Driving LSTFE-Net: Long Short-Term Feature Enhancement Network for Video Small Object Detection LSTFE-Net: Long Short-Term Feature Enhancement Network for Video Small Object Detection DistractFlow: Improving Optical Flow Estimation via Realistic Distractions and Pseudo-Labeling DistractFlow: Improving Optical Flow Estimation via Realistic Distractions and Pseudo-Labeling SCOTCH and SODA: A Transformer Video Shadow Detection Framework SCOTCH and SODA: Transformer Video Shadow Detection Framework ZBS: Zero-Shot Background Subtraction via Instance-Level Background Modeling and Foreground Selection ZBS: Zero-Shot Background Subtraction via Instance-Level Background Modeling and Foreground Selection Frame-Event Alignment and Fusion Network for High Frame Rate Tracking