摘要

近年来，基于能量的模型（Energy-based Models, EBMs）在计算机视觉领域日益受到关注。尽管EBMs通常被用于生成式图像建模，但近期研究已将其拓展至回归任务，并在目标检测与视觉追踪等任务中取得了当前最优的性能表现。然而，EBMs的训练过程众所周知具有挑战性。尽管已有多种技术被探索用于生成建模，但将EBMs应用于回归任务仍是一个研究不足的问题。因此，目前尚不清楚如何对EBMs进行训练才能获得最佳的回归性能。为此，我们承担起对该问题进行首次系统性研究的任务。为此，我们提出了一种简单但极为有效的噪声对比估计（Noise Contrastive Estimation, NCE）的扩展方法，并在一维回归与目标检测任务上，将其性能与文献中六种主流方法进行了细致对比。实验结果表明，所提出的训练方法应被视为首选方案。此外，我们将该方法应用于视觉追踪任务，在五个公开数据集上均取得了当前最优的性能表现。尤为突出的是，我们的追踪器在LaSOT数据集上取得了63.7%的AUC指标，在TrackingNet数据集上达到78.7%的成功率（Success Rate）。相关代码已开源，地址为：https://github.com/fregu856/ebms_regression。