&img src=&/50/v2-ccb4e20d1de4e85d6f34_b.png& data-rawwidth=&1411& data-rawheight=&924& class=&origin_image zh-lightbox-thumb& width=&1411& data-original=&/50/v2-ccb4e20d1de4e85d6f34_r.png&&&p&事到如今，我们还能在一些手游历史总榜上看到这些辉煌一时的名字，但他们的排名只能诉说往日荣光，来供今人凭吊。&br&&/p&&blockquote&作者丨Inversion&/blockquote&&br&&br&&p&《植物大战僵尸》《水果忍者》《愤怒的小鸟》……也许你从来不知道它们的开发商都是哪家工作室或者是哪家公司，但你一定在手机上玩过这些风靡一时的游戏。它们曾在智能手机刚刚兴起的那些年，统治了我们的碎片时间。&/p&&p&然而时至今日，似乎大家的手机已经被一些新面孔占领，比如国内的《王者荣耀》《阴阳师》，日本的《FGO》，乃至欧美的《Pokemon Go》……正所谓“长江后浪推前浪”，如今上面提到的“老手游”仿佛蒙上了一层厚厚的灰尘。借今天这篇文章，就请大家同我一起回顾下那些已经被人渐渐遗忘的手游大厂。&/p&&br&&br&&h3&&strong&丨　宝开（PopCap）&/strong&&/h3&&p&宝开游戏于2000年成立。创立伊始，宝开就推出了《宝石迷阵》这款大热游戏，可以说是现在三消游戏的鼻祖，曾在2002年入选IGN主办的世界电脑游戏名人堂，成为继《俄罗斯方块》后第二款入选的同类游戏。&/p&&p&在2004年推出的《祖玛》更是让宝开声名鹊起，配置要求低、操作简单易懂，在当时的电脑上几乎必装。&img src=&/v2-8da973cbcdd5dd_b.png& data-rawwidth=&700& data-rawheight=&524& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&/v2-8da973cbcdd5dd_r.png&&&/p&&i&宝开和其制作的游戏们&/i&&p&随后在2009年，宝开打造出了他们最广为人知的作品——《植物大战僵尸》。&/p&&p&在PC平台发售之后，这款创意十足的休闲游戏迅速吸引了众多轻度游戏用户，不仅获得媒体的一致好评，也为公司带来了巨大的收益，斩获了不少年度游戏奖项。之后宝开转战新兴的移动游戏市场，游戏在登陆苹果应用商店后立刻创下了9天内下载量突破30万的纪录，成为有史以来最快获得100万美元收入的收费应用。&/p&&p&而借着《植物大战僵尸》大卖的东风， 宝开在2010年总营收一下超过了1亿美元，跻身顶级中小游戏开发商之列。&img src=&/v2-39c717536cdafcac5da366e_b.png& data-rawwidth=&700& data-rawheight=&442& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&/v2-39c717536cdafcac5da366e_r.png&&&/p&&i&首发于PC平台，红火于移动平台的《植物大战僵尸》&/i&&p&就像每一个想要做大做强的工作室一样，宝开首先想到的是上市。当时的宝开总裁在权衡利弊之后，做出了现在看来可能会让人抱憾终生的决定——将工作室以7.5亿美元的价格出售给EA。于是在2011年7月，EA顺风顺水地收购了宝开。随之而来的就是每况愈下的财政状况，以及无休止的裁员：&/p&&blockquote&&p&2012年8月，宝开宣布对位于西雅图、温哥华地区的北美工作室进行大规模裁员，甚至《植物大战僵尸》的主设计师也在裁员名单的行列。&br&2012年9月，宝开关闭都柏林工作室。&br&2013年4月，宝开关闭了位于加拿大的温哥华分部。&br&2014年9月，宝开的创始人之一John Vechey宣布离职。而另两位创始人Jason Kapalka和Brian Flete也已先后离开。自此，所有创始人都已经离开这家工作室和它的母公司EA。&br&2017年5月，宝开宣布对西雅图总部进行裁员。官方给出的说法是，宝开准备回归本源，以更小更精干的团队，专注于开发现有游戏系列和全新的作品。&/p&&/blockquote&&p&在游戏方面，宝开于2013年发售了万众瞩目的《植物大战僵尸2》，只登陆了移动平台，并没有选择宝开之前作品受众最广的PC平台。&img src=&/v2-6bb329e439_b.png& data-rawwidth=&700& data-rawheight=&420& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&/v2-6bb329e439_r.png&&&/p&&i&摇身一变成为免费游戏的《植物大战僵尸2》&/i&&p&在宝开走红的初年，让手游厂商赚得盆满钵满的免费游戏还没有成为市场主流，而在被EA收购之后，宝开很明显急于在免费游戏市场中分一杯羹。但经验不足的他们将《植物大战僵尸2》做成了一个如今看来十分急功近利的游戏：很多植物都需要付费来解锁，而游戏难度的陡增也都必须通过氪金来应对。很明显，这种游戏模式让初代作品在PC端培养起来的老玩家不由得退避三舍，在不充钱就玩不下去的情况下，少有付费玩家会真正买账。可想而知，《植物大战僵尸2》遭遇了玩家、媒体评价的滑铁卢。&/p&&p&面对蜂拥而至的批评，宝开很快就声明他们将让《植物大战僵尸2》登陆更多平台。然而四年过去了，游戏唯一新增的平台只有安卓。&img src=&/v2-57bf8f676e6e_b.png& data-rawwidth=&700& data-rawheight=&251& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&/v2-57bf8f676e6e_r.png&&&/p&&i&Xbox限时独占的FPS《植物大战僵尸：花园战争》&/i&&p&当然，宝开不是没有做出其他方向的努力。他们于2014年推出的射击游戏《植物大战僵尸：花园战争》登录了Xbox，但这款游戏的类别转型巨大。2015年宝开曾公布游戏的累计玩家数量突破800万，看上去这一数字还算让人满意，但要知道这是把周免游戏以及会员赠送算了进去，难免有些水分。&/p&&p&宝开还在不断地推出衍生作品，《植物大战僵尸：花园战争2》于2016年年初在Xbox One、PS4以及PC上同时推出，59.99美元的首发定价（前作定价29.99美元）似乎宣告宝开要把这个IP做成3A大作，然而结果也是雷声大雨点小，对挽救颓势并没有起到什么帮助。游戏的定价也在一年内就出现永降，从59.99降到了29.99，即便这样，这款游戏的市场表现也难以令人满意。同期，宝开还推出一款卡牌手游《植物大战僵尸：英雄》，同样是无人问津。&/p&&p&可以说至今为止，除了初代作品，宝开围绕《植物大战僵尸》这个IP做的产品都没能再既叫好又叫座。&/p&&p&纵观宝开17年来的历史，在前10年的时间里，宝开都是稳健而富有创新精神的。然而自从《植物大战僵尸》给他们带来了巨大的财富，整个公司似乎就跑偏了。选择被EA收购，让他们丧失了对作品题材的决定权，《宝石迷阵》和《祖玛》两个赖以成名的IP再没有诞生任何一款续作。&/p&&p&我们不知道EA是否会把宝开也加入到“解散工作室”的全明星阵容中，但这种担忧不见得不存在。&/p&&br&&br&&h3&&strong&丨　Gameloft&/strong&&/h3&&img src=&/v2-de5a33ea57f358ce31f135f80f6ada00_b.png& data-rawwidth=&700& data-rawheight=&394& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&/v2-de5a33ea57f358ce31f135f80f6ada00_r.png&&&i&精品大作频出的Gameloft&/i&&p&我相信很多人都玩过Gameloft的“手机版3A大作”，因为从1999年建立起，这家法国公司就致力于在手机上移植其他平台的大作。&/p&&p&但很多人并不知道的是，Gameloft其实是法国游戏业巨头育碧的兄弟公司，实际控制人都是Guillemot家族，也正是由于这层关系，Gameloft在塞班时代就移植了诸如《细胞分裂》《波斯王子》等大作。在处于萌芽阶段的手游市场上，Gameloft以其精细的画面、优美的音乐以及大IP的知名度迅速积攒了口碑，甚至有了“Gameloft出品，必属精品”的美誉。&img src=&/v2-47a5c4bed9d2d1eee669b20e71b5ba65_b.png& data-rawwidth=&700& data-rawheight=&467& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&/v2-47a5c4bed9d2d1eee669b20e71b5ba65_r.png&&&/p&&i&在iPhone刚发售的一段时间，《刺客信条》是游戏中的佼佼者&/i&&p&同样的，在2007年iPhone发售后，Gameloft抓住了新平台的契机，接连推出《刺客信条》《地牢猎手》等佳作，一举抢占了世界第一手游厂商的宝座。质量的优秀以及涉猎题材的广泛让Gameloft收入颇丰，在2006年就创造了6840万欧元的收入，2011年更是暴增至1.64亿欧元。&/p&&p&随着财富的积累，Gameloft也大张旗鼓地扩张，在世界各地开设了分部，单是中国就有北京、上海、深圳和成都四个工作室。而世界各地的其他分部也是数不胜数：纽约、西雅图、东京、巴伦西亚、奥克兰、印度普那、印尼日惹等等。&/p&&p&在大肆扩张的同时，Gameloft似乎也陷入了制作“爆款”游戏的定势。在iOS平台上抢占了先机的他们制作了很多模仿痕迹很重的游戏：比如《NOVA》就是翻版自《光晕》，《Gangstar》则对应《侠盗猎车手》，《Modern Combat》更是连名字都与《使命召唤：现代战争》十分相似。很显然，在当时初生的iOS平台复制其他平台的成功作品是最有效也风险最低的，这些“爆款”游戏在iPhone发售的头几年给Gameloft带来了丰厚的收益。&img src=&/v2-ba7f6aad34e0ea_b.png& data-rawwidth=&700& data-rawheight=&466& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&/v2-ba7f6aad34e0ea_r.png&&&/p&&i&不仅名字和内容像，连美术风格都很像《光环》的《NOVA》&/i&&p&Gameloft一时风头无两，但是他们的弊病也很明显：他们自己的品牌仍显弱势。《刺客信条》《彩虹六号》《细胞分裂》等知名IP都是来自于育碧的授权，而“爆款”游戏的名头也不能给玩家带来什么深刻印象。于是，一直以来Gameloft赖以为生的高定价、高品质手游路线终于在2012年，被免费手游的崛起打破了。Gameloft之前的拿来主义注定旗下不会有太多知名IP，更谈不上什么粉丝效益，高定价又在免费游戏面前显得无比笨拙，收益也停滞不前，在两年，虽然Gameloft销售情况还不错，但利润却以百分之20以上的速度飞速下降。&/p&&p&受免费游戏的冲击，Gameloft也选择投身这个他们并不熟悉的领域。但因为游戏免费的缘故，品质自然也要缩水一些，模式也变成了内购外加全程联网。&/p&&p&这样一来，Gameloft画面优秀、制作精良的长处无法得到施展，而且他们对于内购的设计又不那么熟练，结果往往是游戏刚上市用户数量还可以，但很少能转化成付费群体。Gameloft一下陷入了每年游戏出得不少、赚钱却不多的怪圈。每款游戏开发成本相比休闲游戏高，回报比却远远不及三消手游，外加全球众多分部的运营成本，种种因素都让Gameloft不堪重负。&/p&&p&2014年，Gameloft头一次跌出了iOS游戏发行商收入榜的前十，而到了2014年底，Gameloft居然出现全年亏损635万欧元的惨况。受此情况影响，Gameloft不得不关停之前开遍全世界各地的工作室，2015年关闭的七家工作室中更是不乏纽约、深圳这样十年以上资历的老牌工作室。&/p&&p&然而这样大规模的裁员并没有止住财报上的颓势，即便节省了成本并且推出20余款新作，Gameloft还是在2015年全年亏损了2418万欧元。在全球手游市场每年以两位数百分比速度猛增的同时，这个曾经的王者被远远地甩在了时代后面。&img src=&/v2-32a3de7ad32f35ed7b6dd_b.png& data-rawwidth=&700& data-rawheight=&357& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&/v2-32a3de7ad32f35ed7b6dd_r.png&&&/p&&i&维旺迪CEO Stéphane Roussel，就是他主导了收购Gameloft&/i&&p&Gameloft在2016年仍然没能摆脱财务危机，随着其股价的大跌也终于在6月初被觊觎他们许久的法国传媒巨头维旺迪收购成功，之后Guillemot家族也集体退出董事会。Gameloft彻底与育碧分道扬镳，失去了《刺客信条》等知名IP的授权，可以说前途堪忧。而令人哭笑不得的是，维旺迪刚一接手，Gameloft便立即宣布要推出四款手游，当然，无一例外都是内购奇多的免费游戏。&/p&&p&曾经精品频出的Gameloft终于倒在了时代的潮流面前，泯然众人矣，现在其出品的千篇一律的内购手游不由得让老玩家怀念起当年的优质游戏。有玩家在推特上向Gameloft官方表示怀念过去付费游戏的精良制作和优秀用户体验，官方推特毫不留情地回复：“很抱歉，我们以后将不会再制作买断制游戏。我们以后的游戏都会是免费游戏。”&img src=&/v2-5b5718012e_b.png& data-rawwidth=&700& data-rawheight=&151& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&/v2-5b5718012e_r.png&&&/p&&i&“我们以后的游戏都会是免费游戏”&/i&&p&Gameloft刚刚公布了2017年第一季度的财报，净利润仅为320万美元，但维旺迪还是对其前景表示很乐观，因为游戏的下载量和用户量都还不错，它们还宣布接下来数月，Gameloft又要发售四款免费游戏。不用说玩家也都知道：至此，这家曾经叱咤风云的付费手游大厂已经沦为资本家吸金的工具。&/p&&br&&br&&h3&&strong&丨　Halfbrick&/strong&&/h3&&p&也许这家工作室对你而言有些陌生，但你一定听说过《水果忍者》这款席卷全球的神奇作品。&/p&&p&很多人说它就是为触屏而生，将智能手机和功能机最重要的不同点——触屏，与游戏内容完美地结合在一起。甚至在WCG这种国际级的电竞比赛上，《水果忍者》也曾作为参赛项目，足见其影响力之巨大。&img src=&/v2-1fdc7ebeda53f1c28d1b3b2_b.png& data-rawwidth=&700& data-rawheight=&367& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&/v2-1fdc7ebeda53f1c28d1b3b2_r.png&&&/p&&i&Halfbrick和他们制作的游戏&/i&&p&澳大利亚游戏公司Halfbrick Studio成立于2001年，在创业初的十年内都在从事外包手游制作。直到2010年上半年，公司陷入困境，除非游戏销量超过30万，否则就面临倒闭的危机。&/p&&p&就如同多数励志故事一样，设计师Luke Muscat带领他的小团队为公司开发了《水果忍者》。三个人花了六周时间创造出了这个刚开始并不被人看好的游戏，当它于2010年4月登陆苹果应用商店的时候，整个公司都被它的表现震惊了。这个老少咸宜、操作简便又乐趣横生的游戏，在3个月内就突破100万下载量，发售两年后更是超过了2亿。&img src=&/v2-400de1afdc8fe0b282d0e66d7308d64e_b.png& data-rawwidth=&700& data-rawheight=&394& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&/v2-400de1afdc8fe0b282d0e66d7308d64e_r.png&&&/p&&i&将触屏和游戏内容完美结合的《水果忍者》&/i&&p&Halfbrick活了，从濒临破产的境地摇身一变成了腰缠万贯的暴发户，昨天还在考虑没了工作怎么活的员工，第二天已经准备好去国外享受带薪假期。当然，Halfbrick游戏的开发并没有停下脚步，他们马上趁热打铁，开发出了第二款，也是他们最后一款大获成功的游戏《疯狂喷气机》。&/p&&p&《疯狂喷气机》以1美元的售价在首周就卖出35万份，然而它的成功来自一个偶然的举动：在2011年圣诞节促销期间，Halfbrick把它变成了免费游戏，但是带来的收益反而增加了许多，公司高层开始对F2P产生了兴趣。&img src=&/v2-bf4cc3e680a1b248dec67a452e45f977_b.png& data-rawwidth=&700& data-rawheight=&525& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&/v2-bf4cc3e680a1b248dec67a452e45f977_r.png&&&/p&&i&Halfbrick第二款作品《疯狂喷气机》&/i&&p&但是麻烦也接踵而至，Halfbrick对采用F2P还是买断制一直有很严重的矛盾。而之前的两款作品一个是买断制，另一个是F2P，却都获得了成功，让Halfbrick无法做出决定。&/p&&p&在这样纠结的困境中，Halfbrick的第三款游戏《庞然巨物》诞生了，这个在制作过程中由于举棋不定而变成“收费购买加内购”的游戏毫无悬念地惨遭滑铁卢。游戏的失败也给公司高层和普通员工带来了不可调和的矛盾，公司CEO立刻请来了管理人士空降中层，每天大会小会不断，底层员工怨声载道，可想而知，Halfbrick的沉沦也就此开始了。&img src=&/v2-49d904f8c3b78ed5a1f742_b.png& data-rawwidth=&700& data-rawheight=&525& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&/v2-49d904f8c3b78ed5a1f742_r.png&&&/p&&i&第三款游戏《庞然巨物》惨遭折戟&/i&&p&在接下来的日子里，他们制作了《好的大厨》和《顶级农场》这两个《开心农场》和《宝石迷阵》的模仿品，市场表现很一般，用户也不买账。很难想像过去创意十足的Halfbrick居然沦落到靠制作“山寨”游戏谋生的地步。许多慕名而来的游戏从业者也纷纷开始离职，仅仅一年间居然有30余名员工出走，其中包括了首席营销官Phil Larsen，《水果忍者》的主设计师Luke，以及美术总监Hugh Walters。&/p&&p&在这之后，公司的管理变得越发专横起来，Halfbrick在2015年9月裁掉了所有游戏设计师，转而由高层决定游戏的制作方向，底下员工只需照做即可。产品的开发方向也由创意和玩法变成了如何盈利，至此Halfbrick彻底沦为了一个靠模仿他人作品以及榨干之前作品为生的不入流公司。&/p&&p&由于Halfbrick并没有上市，所以公司的财政状况也没有公开。但大家心里都清楚，过去那个意气风发的Halfbrick，已经永远都回不来了。&/p&&br&&br&&h3&&strong&丨　Rovio&/strong&&/h3&&p&这家成立于2003年的芬兰手游公司在刚成立的前几年中算是步履平稳，借着诺基亚祖国的优势，他们在Java平台上的游戏开发顺风顺水，也不断地扩大自己的覆盖面以及研发能力。从2D到3D、RPG到策略游戏无所不包，还不时地制作一些外包产品，如EA的《极品飞车10》和《Burnout》。&img src=&/v2-3ee43c1ccbe_b.png& data-rawwidth=&700& data-rawheight=&393& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&/v2-3ee43c1ccbe_r.png&&&/p&&i&创立之初的Rovio Mobile图标和他们赖以成名的愤怒小鸟&/i&&p&直到2009年，Rovio凭借《愤怒的小鸟》一鸣惊人。这个看似简陋的类Flash游戏迅速征服全世界，很多人沉迷在有着魔性表情的红色小鸟和绿色猪头中，轻松易懂的玩法和简洁的操作让以前从未接触过游戏的人乐在其中。&/p&&p&而Rovio自然也赚得盆满钵满，在两年间，公司的市值从10亿美元飙升至90亿美元，而2011年的财报显示全年的税前利润已经达到6760万美元。与此同时，《愤怒的小鸟》的每日全球游戏时长达到了惊人的2亿分钟。&img src=&/v2-939c60ede01d5e54b1eaae_b.png& data-rawwidth=&700& data-rawheight=&525& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&/v2-939c60ede01d5e54b1eaae_r.png&&&/p&&i&最初的《愤怒的小鸟》&/i&&p&在2011年7月，信心爆棚的Rovio改名为Rovio Entertainment，打算在娱乐界开辟疆土，向着多元化发展，更是请来了漫威影业的原CEO当顾问。就这样，Rovio带着手里的红色小鸟，雄赳赳气昂昂地向娱乐圈开始进军，打算成为芬兰的迪士尼。&/p&&p&很快地，芬兰本土就建起了第一个《愤怒的小鸟》主题公园，衍生的周边产品也迅速在全世界上架：服装、玩具和书籍一应俱全。可以说接下来的两年内Rovio的飞速扩张给他们带来了巨大的效益，2012年的财报更是创下了公司历史新高，净利润达到了7100万美元，同比增长57%。截止2012年5月，《愤怒的小鸟》下载量已经突破10亿次。&img src=&/v2-e655e7627976dfb53aabdbb_b.png& data-rawwidth=&700& data-rawheight=&486& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&/v2-e655e7627976dfb53aabdbb_r.png&&&/p&&i&说是主题公园，更像是贴牌的街心公园&/i&&p&然而好景不长，2012年F2P游戏的崛起也影响到了Rovio。市场上各类F2P游戏蚕食份额的同时，Rovio只能一次次推出怒鸟衍生游戏进行对抗——毕竟，这也是Rovio手上唯一打得出去的牌。&/p&&p&Rovio相继推出了数十款怒鸟衍生，从星球大战到变形金刚，从赛车到跑酷、射击游戏无所不包，但过于碎片化的游戏开发也造成用户分流，让原作带来的巨大下载量很难在新作品中转化为收益。此外，过多的怒鸟也让手游玩家产生了审美疲劳，心生厌烦，衍生作品的市场表现并不令人满意。由于巨幅扩张，公司的人力费用和生产成本也一涨再涨，带来了沉重负担。&img src=&/v2-2d68babc3f16cf_b.png& data-rawwidth=&700& data-rawheight=&409& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&/v2-2d68babc3f16cf_r.png&&&/p&&i&一眼望去，全都是《愤怒的小鸟》衍生游戏&/i&&p&拿得出手的IP只有一个，在这种情况下却进了娱乐圈这趟浑水，Rovio可以说是“步子太大容易扯到蛋”的典范。沉迷于生产衍生产品不能自拔，想要把怒鸟的剩余价值全部榨干，Rovio很快就为自己鲁莽的行为付出代价。&/p&&p&在2013年，Rovio的全年总收入仅仅增加2.5%，但是由于扩张带来的成本增加，利润竟下跌了57%。2014年利润更是同比下跌73%。到2015年，全年竟然出现了1300万欧元的亏损。&img src=&/v2-e0a3aeb5ba9d0e06ed3e1b5_b.png& data-rawwidth=&700& data-rawheight=&473& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&/v2-e0a3aeb5ba9d0e06ed3e1b5_r.png&&&/p&&i&刚上架的时候，周边产品给Rovio带来了不少收益&/i&&p&同在芬兰的Supercell经常拿来和Rovio相比较，他们以2012年横空出世的《部落冲突》席卷世界，并且接下来孜孜不倦地更新老游戏、开发有创意的新游戏。Rovio则攥着自己手里的怒鸟，疯狂地量产着衍生品。在年间，Supercell总共只发布了4款游戏，而Rovio发布了52款怒鸟。但形成鲜明对比的是，2015年Supercell净利润达到9.64亿美元，而Rovio只能吞下亏损的苦果。&/p&&p&在两年间裁掉一半员工并且关闭多家工作室后，Rovio官方仍然强调，怒鸟不止是一款游戏，而是一个品牌，其效益不能与游戏收益相提并论，而亏损也只是品牌营销中的阵痛。&/p&&p&但是事实证明，缺乏创新精神、只会做大做空，抱着一款游戏不撒手的Rovio已经成为市场弃儿。但它手里还握着最后一根稻草：和索尼影业合作的《愤怒的小鸟》大电影，他们只能把公司的未来都赌在这部影片的表现上了。&img src=&/v2-b4dd25e50dfc8fef91c3c_b.png& data-rawwidth=&700& data-rawheight=&525& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&/v2-b4dd25e50dfc8fef91c3c_r.png&&&/p&&i&让Rovio咸鱼翻身的《愤怒的小鸟》大电影&/i&&p&幸运的是，这场豪赌赌对了，这部制作成本7500万美元的动画电影取得了3.5亿美元的票房。而在打了票房分成这一强心剂后，Rovio在2016的全年收入增长了34%，达到了1.9亿美元，并且扭亏为盈，纯利润达到1750万欧元。&/p&&p&手头稍微宽裕之后，Rovio也开始在其他领域扩展自己的游戏项目，比如刚在伦敦成立的新工作室就在制作一款MMORPG。而其推出了竞技手游《Battle Bay》，里面并没有怒鸟的身影，而是用舰艇进行5v5的对抗。&img src=&/v2-b8aa2a55a8ae0bccd57a33e_b.png& data-rawwidth=&700& data-rawheight=&467& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&/v2-b8aa2a55a8ae0bccd57a33e_r.png&&&/p&&i&新作品MOBA游戏《战斗湾》&/i&&p&如今的Rovio仍然没有放弃一个成为娱乐巨头的梦想，在2019年，我们还会看到《愤怒的小鸟》动画大电影的续作，但他们也开始把重心从实体化、娱乐化部分转移回游戏制作。Rovio去年财政状况的好转，给了他们喘息的时间，让他们可以去制作一些新游戏，摆脱滥用怒鸟IP的困局。至于以后Rovio的表现如何，或者说他们的新规划会不会让公司的财政状况有所起色，还需要等待时间的考验。&/p&&br&&br&&h3&&strong&丨　结语&/strong&&/h3&&p&马云谈自己创业的时候曾经说过：“成功的原因千千万万，但失败的原因就那么几个。”把这句话套用到本文所提到的四家手游厂商身上十分贴切。&/p&&p&这四家公司，都是在智能手机出现的头两年以买断制作品崭露头角，制作出了大热游戏从而一夜爆红。然后不约而同地在赚了钱之后开始膨胀，有的四处开设分部，有的进军娱乐业，还有的找了商业靠山。然而面对免费游戏的大潮，他们并没有及时适应，抱着过去的品牌效应不撒手，又被F2P锁死了创意，不是做千篇一律的仿品，就是做自己完全不熟悉的游戏类型。&/p&&p&自从2007年iPhone诞生，智能手机的普及已经进入了第10个年头。在这风云激荡的十年间，手游市场也经历了从付费到免费游戏的巨大变革，潮起潮落，即便是一家已经有所成就的厂商，也会因一个或数个失误陷入颓势，文中的这些厂商就是最好的例子。事到如今，我们还能在一些手游历史总榜上看到这些辉煌一时的名字，但他们的排名只能诉说往日荣光，来供今人凭吊。&/p&&p&&i&原文链接：&a href=&/?target=http%3A///article/283245.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&曾辉煌一时的手游大厂，现在都去哪儿了&i class=&icon-external&&&/i&&/a&&/i&&/p&&p&触乐还推荐阅读：&a href=&/p/& class=&internal&&那个有30年历史的《伊苏》系列，现在怎么样了？&/a&&/p&&p&——————————&/p&&p&关注&a href=&/chuapp& class=&internal&&触乐专栏&/a&，阅读更多优质游戏文章与深度报道。
&br&&/p&&p&在微信关注“触乐（chuappgame）”，发送以下关键词，阅读触乐精选优质、有趣的文章合集&br&&br&评测 | 记录 | 盲人 | 街机 | 神游 | 纪实 | 三和 | 小学生 | 人物 | 幕后 | 怀旧 | 独立游戏 | 黄油 | 非洲人 | 或者随便一个词碰碰运气。&/p&
事到如今，我们还能在一些手游历史总榜上看到这些辉煌一时的名字，但他们的排名只能诉说往日荣光，来供今人凭吊。 作者丨Inversion 《植物大战僵尸》《水果忍者》《愤怒的小鸟》……也许你从来不知道它们的开发商都是哪家工作室或者是哪家公司，但你一定在…
&img src=&/50/v2-6a5e745ac752fa973c1220_b.jpg& data-rawwidth=&771& data-rawheight=&205& class=&origin_image zh-lightbox-thumb& width=&771& data-original=&/50/v2-6a5e745ac752fa973c1220_r.jpg&&&p&&b&CVPR 2017&/b& MAIN CONFERENCE 的paper list已经出来了: &a href=&/?target=http%3A///program/main_conference& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&CVPR2017&i class=&icon-external&&&/i&&/a&，workshop暂时还不清楚，以后有了会补上。&/p&&p&以下是&b&main conference&/b&中单目标跟踪相关的论文，参考&a href=&/people/2d6e027e5db50df5dea1& data-hash=&2d6e027e5db50df5dea1& class=&member_mention& data-title=&@Qiang Wang& data-editable=&true& data-hovercard=&p$b$2d6e027e5db50df5dea1&&@Qiang Wang&/a& 的&a href=&/?target=https%3A///foolwood/benchmark_results& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&foolwood/benchmark_results&i class=&icon-external&&&/i&&/a& （其实就是复制&粘贴下来的 -_-!），&b&总共11篇，相关滤波7篇，其中1篇是oral，3篇用到卷积特征&/b&，相关滤波占了64%，(非卷积特征的)&b&CNN相关4篇&/b&，可以看出目标跟踪现在最火的是相关滤波和深度学习。&/p&&br&&p&&b&一篇oral相关滤波类:&/b&&/p&&ul&&li&&b&CA+CF&/b&: Matthias Mueller, Neil Smith, Bernard Ghanem. &Context-Aware Correlation Filter Tracking.& CVPR (2017 oral). [&a href=&/?target=https%3A//ivul.kaust.edu.sa/Documents/Publications/2017/Context-Aware%2520Correlation%2520Filter%2520Tracking.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A//ivul.kaust.edu.sa/Pages/pub-ca-cf-tracking.aspx& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&project&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A///thias15/Context-Aware-CF-Tracking& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&code&i class=&icon-external&&&/i&&/a&]&br&&/li&&/ul&&br&&p&&img src=&/v2-f5a058b9c58ea0be36ef_b.png& data-rawwidth=&1323& data-rawheight=&288& class=&origin_image zh-lightbox-thumb& width=&1323& data-original=&/v2-f5a058b9c58ea0be36ef_r.png&&是这个组&a href=&/?target=https%3A//ivul.kaust.edu.sa/Pages/Publications.aspx& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Home - Publications&i class=&icon-external&&&/i&&/a& MT+CF,
AT+CF的后续工作，虽然我不看好但它竟然是tracking中唯一一个oral，但每篇都有代码还算良心，今年主打是基于Staple的Staple+CA，至少速度还算快，可以看看。&/p&&br&&p&&b&六篇相关滤波：&/b&&/p&&br&&ul&&li&&p&&b&ECO&/b&: Martin Danelljan, Goutam Bhat, Fahad Shahbaz Khan, Michael Felsberg. &ECO: Efficient Convolution Operators for Tracking.& CVPR (2017). [&a href=&/?target=https%3A//arxiv.org/pdf/.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=http%3A//www.cvl.isy.liu.se/research/objrec/visualtracking/ecotrack/index.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&project&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A///martin-danelljan/ECO& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&github&i class=&icon-external&&&/i&&/a&]&/p&&/li&&/ul&&p&&img src=&/v2-f422b917f47e1c634b45a_b.png& data-rawwidth=&863& data-rawheight=&454& class=&origin_image zh-lightbox-thumb& width=&863& data-original=&/v2-f422b917f47e1c634b45a_r.png&&去年他的C-COT是VOT2016的第一名，Martin Danelljan &a href=&/?target=http%3A//users.isy.liu.se/cvl/marda26/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Martin Danelljan&i class=&icon-external&&&/i&&/a& 是我最仰慕的大牛，虽然我看的论文不多，但他的我每篇都看过，而且每篇都有代码都是精品。ECO论文去年11月就在arVix上挂出来了，是C-COT的加速改进，这次兼顾性能和速度，尤其是ECO-HC速度有60fps，强烈推荐要去看看。虽然ECO-HC没有跑VOT2016不知道什么原因，但这是MD大神半年前的工作了，不知道今年VOT2017会不会有新工作，期待。&br&&/p&&ul&&li&&b&CSR-DCF:&/b&Alan Luke?i?, Tomá? Vojí?, Luka ?ehovin, Ji?í Matas, Matej Kristan. &Discriminative Correlation Filter with Channel and Spatial Reliability.& CVPR (2017). [&a href=&/?target=https%3A//arxiv.org/pdf/v1.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&]&br&&/li&&/ul&&img src=&/v2-ad931b409a303_b.png& data-rawwidth=&531& data-rawheight=&462& class=&origin_image zh-lightbox-thumb& width=&531& data-original=&/v2-ad931b409a303_r.png&&&p&在我看来是Staple和CFLB的结合，没有深度特征但加入了颜色直方图，还考虑了边界效应，在VOT上超过C-COT，速度勉强实时13fps，代码也已经公开了：&a href=&/?target=https%3A///alanlukezic/csr-dcf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&alanlukezic/csr-dcf&i class=&icon-external&&&/i&&/a& , 颜色直方图的又一种用法，有趣，要看要看。&/p&&ul&&li&&b&LMCF&/b&: Mengmeng Wang, Yong Liu, Zeyi Huang. &Large Margin Object Tracking with Circulant Feature Maps.& CVPR (2017). [&a href=&/?target=https%3A//arxiv.org/pdf/.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/p/& class=&internal&&zhihu&/a&]&br&&/li&&/ul&&img src=&/v2-da350e7753b9aabfe4a83_b.png& data-rawwidth=&1011& data-rawheight=&262& class=&origin_image zh-lightbox-thumb& width=&1011& data-original=&/v2-da350e7753b9aabfe4a83_r.png&&&p&国人大作必须支持。这个可以看作者知乎，不用多说，速度很快80fps，其中的指标APCE我非常看好。&/p&&ul&&li&&b&MCPF&/b&: Tianzhu Zhang, Changsheng Xu, Ming-Hsuan Yang. &Multi-task Correlation Particle Filter for Robust Visual Tracking .& CVPR (2017). [&a href=&/?target=http%3A//nlpr-web./mmc/homepage/tzzhang/Project_Tianzhu/zhang_mcpf/CVPR.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=http%3A//nlpr-web./mmc/homepage/tzzhang/mcpf.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&project&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=http%3A//nlpr-web./mmc/homepage/tzzhang/mcpf.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&code&i class=&icon-external&&&/i&&/a&]&br&&/li&&/ul&&img src=&/v2-66b87c399f5e9e4ca09618_b.png& data-rawwidth=&878& data-rawheight=&335& class=&origin_image zh-lightbox-thumb& width=&878& data-original=&/v2-66b87c399f5e9e4ca09618_r.png&&&p&国人大作必须支持。张天柱&a href=&/?target=http%3A//nlpr-web./mmc/homepage/tzzhang/index.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Tianzhu Zhang&i class=&icon-external&&&/i&&/a& 老师也已经全面转向相关滤波了，还在做稀疏的同学快醒醒。粒子滤波结合相关滤波，速度和性能都非常接近C-COT，论文没跑VOT，不知道会不会参加VOT2017。&/p&&ul&&li&&p&&b&CFNet&/b&: Jack Valmadre, Luca Bertinetto, Jo?o F. Henriques, Andrea Vedaldi, Philip H. S. Torr. &End-to-end representation learning for Correlation Filter based tracking.& CVPR (2017). [&a href=&/?target=https%3A//arxiv.org/pdf/v1.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=http%3A//www.robots.ox.ac.uk/%7Eluca/cfnet.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&project&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A///bertinetto/cfnet& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&github&i class=&icon-external&&&/i&&/a&]&/p&&/li&&/ul&&img src=&/v2-463fbf43cedf105830bafbc1d8053189_b.png& data-rawwidth=&873& data-rawheight=&358& class=&origin_image zh-lightbox-thumb& width=&873& data-original=&/v2-463fbf43cedf105830bafbc1d8053189_r.png&&&p&Luca Bertinetto &a href=&/?target=http%3A//www.robots.ox.ac.uk/%7Eluca/index.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Luca Bertinetto - Personal page&i class=&icon-external&&&/i&&/a& 去年的Staple和SiamFC都是VOT2016的两点，这是另一个每篇有代码，每篇都精品的大牛，CFNet是SiamFC的改进，CF进入CNN端到端训练了，研究热点，效果一般有可能是边界效应问题没解决好。&/p&&ul&&li&&b&ACFN&/b&: Jongwon Choi, Hyung Jin Chang, Sangdoo Yun, Tobias Fischer, Yiannis Demiris, and Jin Young Choi. &Attentional Correlation Filter Network for Adaptive Visual Tracking.& CVPR (2017). [&a href=&/?target=https%3A///file/d/0B0ZkG8zaRQoLUHdlTGNtUWFjd1E/view& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A///site/jwchoivision/home/acfn-1& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&project&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A///file/d/0B0ZkG8zaRQoLQUswbW9qSWFaU0U/view%3Fusp%3Ddrive_web& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&test code&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A///file/d/0B0ZkG8zaRQoLZVVranBnbHlydnM/view%3Fusp%3Ddrive_web& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&training code&i class=&icon-external&&&/i&&/a&]&/li&&/ul&&img src=&/v2-27f7ab1ce01cee_b.png& data-rawwidth=&927& data-rawheight=&394& class=&origin_image zh-lightbox-thumb& width=&927& data-original=&/v2-27f7ab1ce01cee_r.png&&&p&另一篇CNN+相关滤波的方法，韩国这个组 &a href=&/?target=http%3A//pil.snu.ac.kr/publication/list.do%3FpubType%3DII& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Perception and Intelligence Lab&i class=&icon-external&&&/i&&/a& 今年中了好多篇（下面的ADNet也是），论文还没看，感觉灌水居多兴趣不大，听说效果并不好，速度太慢的不感冒，不过做学术CNN之类的是热点，要跟进。&/p&&br&&p&&b&其他四篇：&/b&&/p&&ul&&li&&p&&b&RaF&/b&: Le Zhang, Jagannadan Varadarajan, Ponnuthurai Nagaratnam Suganthan, Narendra Ahuja and Pierre Moulin. &Robust Visual Tracking Using Oblique Random Forests.& CVPR (2017). [&a href=&/?target=https%3A///file/d/0B9nwWnaaZcNWNXpDT29yc0M5a1k/view& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A///site/zhangleuestc/incremental-oblique-random-forest& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&project&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A///ZhangLeUestc/Incremental-Oblique-Random-Forest& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&code&i class=&icon-external&&&/i&&/a&]&/p&&/li&&li&&p&&b&ADNet&/b&: Sangdoo Yun, Jongwon Choi, Youngjoon Yoo, Kimin Yun, Jin Young Choi. &Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning .& CVPR (2017 Spotlight). [&a href=&/?target=https%3A///open%3Fid%3D0B34VXh5mZ22cZUs2Umc1cjlBMFU& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A///view/cvpr2017-adnet& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&project&i class=&icon-external&&&/i&&/a&]&/p&&/li&&li&&p&&b&BranchOut&/b&: Bohyung Han, Jack Sim, Hartwig Adam. &BranchOut: Regularization for Online Ensemble Tracking with Convolutional Neural Networks.& CVPR (2017).&/p&&/li&&li&&p&Donghun Yeo, Jeany Son, Bohyung Han, Joonhee Han. &Superpixel-based Tracking-by-Segmentation using Markov Chains.& CVPR (2017).&/p&&/li&&/ul&&p&看名字，都是Random Forests，Deep Reinforcement Learning，Convolutional Neural Networks，Markov Chains之类的，非相关滤波还速度不快的应该就不会关注了，有时间可能会看看吧。&b&Random Forests&/b&是我比较喜欢的ML方法，不出意外应该会比较快；&b&超像素分割&/b&做跟踪，我还没想好怎么做别人论文已经出来了，速度应该不会很快，颜色信息的又一种用法，可以考虑怎么和相关滤波结合，我应该会跟进。&/p&&br&&br&&p&&b&分析总结：&/b&&/p&&p&要么又好又快，要么又好又新，要么又好又快又新。相关滤波的几篇论文代码基本都已公开，要跟进的可以排上日程表了。CNN的统治力太强大了，相关滤波要么结合深度特征，要么结合CNN训练，这可能是热点。&/p&&p&&b&OTB100&/b&: 参考&a href=&/?target=https%3A///HakaseH/CF_benchmark_results& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&HakaseH/CF_benchmark_results&i class=&icon-external&&&/i&&/a& 分析下这几个方法在OTB100上的表现：&/p&&p&&img src=&/v2-57158b90dcaef0_b.png& data-rawwidth=&1841& data-rawheight=&728& class=&origin_image zh-lightbox-thumb& width=&1841& data-original=&/v2-57158b90dcaef0_r.png&&这里包含了CA+CF, ECO, MCPF和CFNet，LMCF还没有公开代码，虽然我催过&a href=&/people/24f6a8ba54a520ceb91b& data-hash=&24f6a8ba54a520ceb91b& class=&member_mention& data-editable=&true& data-title=&@H Hakase& data-hovercard=&p$b$24f6a8ba54a520ceb91b&&@H Hakase&/a& 更新CSR-DCF和ACFN的结果，但暂时还没有更新，CSR-DCF是颜色直方图方法，在OTB100上不会很高，看论文接近SRDCF，而ACFN看论文在OTB2015上不如Staple+CA的，这两个就先不管了。&/p&&p&&b&红线&/b&标出了今年CVPR的方法，包括&b&ECO, ECO-HC, MCPF, Staple+CA, CFNet-conv2和CFNet-conv1&/b&，&b&蓝线&/b&是几个BASELINE，性能方面分别是14年的&b&SAMF&/b&，15年的&b&SRDCF&/b&和16年的&b&C-COT&/b&，速度方面是14年的&b&KCF&/b&和16年的&b&Staple&/b&。&/p&&p&&b&性能方面&/b&，ECO独领风骚，超出其他方法一大截，是唯一一个超过C-COT的；接下来是MCPF和ECO-HC几乎接近；之后Staple+CA略差一点了，但还是比SRDCF高一些；最后CFNet-conv2没有达到SRDCF的水准，CFNet-conv1就更是低的没谱了。&b&速度方面&/b&：从下往上看，总体趋势越来越慢，比Staple好的方法中，ECO-HC比Staple+CA稍微快一点，其他的都很慢。另外，Qiang Wang 的DCFNet不论是速度还是性能都超过CFNet，注意这两个都在GPU上跑的。相信不用我说您也看出来了，&b&ECO目前最好，而ECO-HC是又快又好的那个&/b&，非常尴尬，Staple+CA与ECO-HC相比，速度慢一点，性能差一截，这个oral真的非非非常尴尬，莫名其妙。。&/p&&p&&b&VOT2016&/b&: 我最公认的数据库是OTB100和&b&VOT2016&/b&，而大多数论文都不跑VOT2016，说明这个数据库的难度还是非常高的，CVPR 2017只有ECO和CSR-DCF跑了VOT2016，下面这个表格简单比较一下：&/p&&p&&img src=&/v2-ca162fa686445cfdb4122_b.png& data-rawwidth=&477& data-rawheight=&159& class=&origin_image zh-lightbox-thumb& width=&477& data-original=&/v2-ca162fa686445cfdb4122_r.png&&EAO和A越高越好，R越低越好，可以看出&b&ECO&/b&高出非常多，但也不能说其他方法不好，最终还是要看VOT2017上各算法的表现了。必须一提，CSR-DCF是CPU上勉强实时的方法13fps，而ECO是C-COT的加速版提升了20倍，CPU上也还能接受了。&/p&&br&&p&&b&更新结果：&/b&CSR-DCF和ACFN的结果已更新，同样结合了颜色直方图，CSR-DCF要比Staple好一点，但也慢很多，ACFN与CFNet-conv2基本相当。速度方面，CSR-DCF不算快，是ECO的三倍，再考虑VOT2016的表现，CSR-DCF还是不错的。&/p&&img src=&/v2-de825fc2cc0ad1d42ad74_b.jpg& data-rawwidth=&8933& data-rawheight=&3499& class=&origin_image zh-lightbox-thumb& width=&8933& data-original=&/v2-de825fc2cc0ad1d42ad74_r.jpg&&&i&注意：上图仅是目前公开代码的&b&相关滤波类&/b&方法在&b&OTB100&/b&上的性能和速度比较。&/i&&br&&p&&b&一点废话：&/b&VOT2016已经难到调参都很难提高的地步，所以大量论文都不敢跑没法刷，关于&b&VOT2017&/b&，又新增了10个序列，都非常非常难，而且今年严防死守过拟合，不让在OTB, VOT, ALOV, NUSPRO和相似目标的序列上训练，我比较期待MDNet和TCNN今年会是什么水准，而且也一直不看好tracking问题在跟踪数据库少量序列上end-to-end训练(&i&过拟合刷库是非常非常没有意义的事，如果有大规模百万级跟踪数据库这种方法也许可行&/i&)，最好fine-tune也不要有，就在大规模(&i&非tracking&/i&)图像或(&i&非tracking&/i&)视频库上end-to-end训练，模型拿过来直接用比较合理，比如ECO中的VGGNet卷积特征就非常成功，哪个库都很高完全没有过拟合问题。&/p&
CVPR 2017 MAIN CONFERENCE 的paper list已经出来了: ，workshop暂时还不清楚，以后有了会补上。以下是main conference中单目标跟踪相关的论文，参考 的 （其实就是复制&粘贴下来的 -_-!），总共11篇，相关滤…
&p&&b&这是全民故事计划的第86个故事，中学老师见证的一对学生的爱情故事。&/b&&/p&&p&&b&比糖还要甜的初恋。&/b&&/p&&p&一&/p&&p&2003年。&/p&&p&高二文理分科，志和娜娜分到了我带的班级。志学习好，娜娜不差但是与志相比是差了许多。志的家境不好，而娜娜的家境那就是非常的优越了。&/p&&p&娜娜喜欢志，我在批阅作文的时候，娜娜在作文的后面写到：&/p&&p&&i&老师，喜欢一个人是什么样子的我真的不知道，可是我喜欢志，一个女生不应该这样直白的，可是喜欢来了挡都挡不住。上课的时候我老是喜欢看志的侧影；下课的时候，我就偷偷地站在离志不远处，看志和别的人说说笑笑的样子。其实老师你知道，志是那么的热爱学习，热爱读书，要不然成绩怎么那样好呢？每次志一个人坐在自己的位子上安静读书的样子，我就心跳加速了，老师你说我怎么办呢？&/i&&/p&&p&我叫了娜娜来办公室。&/p&&p&娜娜，虽然只有十六岁，可也是一个美人胚子，那腰身那身段那走路的姿势，都是很美的，应该有不少男生为之暗恋、为之失眠吧。青春的样子就是这样多情，青春的样子就是那样的朦胧。&/p&&p&娜娜坐在我对面的椅子上，我拿出娜娜的作文：这些都是真的么？&/p&&p&娜娜忽闪着眼睛，脸红了：是真的，我也知道有些不好，可是抑制不住自己啊。&/p&&p&我能说什么呢？学校有学校的制度，班级也有班级的要求，我就按照既有的老套路开始自己的说教历程，什么恋爱不利于学习啦，什么这个时候不能早恋啊，什么这个时候的恋爱没有好的结果等等。娜娜认真地听，不断点头，我认为自己的不拉不拉已经起到了效果，结尾，我做了一个总结：总之不恋爱是为了以后更好的恋爱。&/p&&p&娜娜看我闭了嘴巴：老师，我还是喜欢志。&/p&&p&你妹，还我口水钱。&/p&&p&我让娜娜走出办公室，又叫了志：你知道有人喜欢你么？&/p&&p&志茫然地看着我：不知道，真不知道。&/p&&p&“不知道就好，这个时候最好要锋芒不露，然后尽力学习。”志听得莫名其妙。“其实本来你就不是一个爱出风头的小伙子，每天就是喜欢学习……”我不拉不拉不拉地说。&/p&&p&“你有喜欢的人么？”我再问。&/p&&p&“有，但是我知道这个时候恋爱不好，所以就不说了。”志说道。&/p&&p&挺成熟呀。&/p&&p&好了，打发走了志，原来娜娜是单相思。&/p&&p&我上高中的时候怎么就没有人喜欢我呢？看看镜子，我吓了一跳。&/p&&p&二 &/p&&p&学校举行运动会，娜娜穿着最好的运动鞋运动衣，一亮相，就让很多男生的眼睛失去了自由转动的能力。志还是平时的衣服，参加长跑比赛，一双看不清楚颜色的老式运动鞋，还有那种普通布料的裤子。志竟然获得第三名，别人都在为冠军喝彩，娜娜一个人冲到志跟前粲然一笑：“你好厉害！”志喝着水，有点不好意思。我看着，哑然失笑，青春的情感是那样的美好。&/p&&p&比赛结束之后，志找我：“老师这个衣服我不能要。”&/p&&p&我一看哇塞，这是最好的运动服，值我两个月的工资呢，我都眼馋好几个月了，老下不了购买的决心，如今志拿着衣服却说不能要。&/p&&p&我问：“为什么？”&/p&&p&志涨红了脸：“是那个娜娜送的，我不能要。”&/p&&p&我打趣：“换了我一定要，反正不花钱。”&/p&&p&志着急了：“老师……老师这个真不能要，你还是帮我还给娜娜。”&/p&&p&好吧。&/p&&p&我叫了娜娜来：“你的衣服没有人穿，还是拿回去吧。”&/p&&p&娜娜有些失望：“其实我没有别的意思，就是想送志一件衣服，何必这样复杂。”&/p&&p&我笑：“没有别的意思，那你为什么不给每个人送一套衣服呀，比如送给老师一套。”&/p&&p&娜娜低声说：“老师，你不需要，你都多大了。”&/p&&p&哈哈哈。&/p&&p&顿了一会儿，我说了一句话：“志就喜欢学习好的女生，你要是学习好一点，就距离志近一点，志一定接受你呢。”&/p&&p&“是么？”娜娜眼睛放了光彩，然后又暗淡了：“老师我脑子不大聪明。”&/p&&p&“可是，勤可补拙。”我说。&/p&&p&“好吧。”娜娜不大高兴地拿着衣服走了，背影有些落寞。&/p&&p&三&/p&&p&2004年，高三。&/p&&p&志的成绩一直稳居学校第一名，是各个老师眼睛里的宝贝疙瘩，只要一提志的名字，各个老师都觉得兴奋莫名。好学生真是让人开心呀。&/p&&p&娜娜的成绩不上不下，但考上大学是没有问题的。随着大学扩招，考取大学是越来越容易了，可是能不能和志在一起上大学，那就是两说了。娜娜的心事越来越重，上了课有时候看得出娜娜看志看得出神，而志浑然不觉。志的笔记本上经常写满了各种笔记各种公式，而娜娜的走神严重影响了娜娜的学习。&/p&&p&志在作文里写到：&/p&&p&&i&会当凌绝顶，一览众山小。理想是高远而宏大的。&/i&&/p&&p&娜娜的作文后面经常发些女生的小牢骚：&/p&&p&&i&那只蝴蝶为什么就不知道有只蝴蝶一直跟着它呢。&/i&&/p&&p&不知哪一天，事情竟然有了高潮。&/p&&p&娜娜的母亲来到学校里闹：“是谁要和我女儿谈对象，老师你说你说。”&/p&&p&娜娜母亲在我的办公室里大声嚷嚷，几个聊天的老师看着也暗自嘻嘻笑，我关了办公室门，自己笑不出来，我知道一个母亲的心。高三了，谁不希望自己的孩子有个光明的未来呢。&/p&&p&我让娜娜母亲坐下后问道：“你确定有人和你女儿谈对象？”&/p&&p&娜娜母亲坐在椅子上，拍着桌子：“确定，你看我女儿一天魂不守舍的样子，我就知道有问题。我着急呀，高三了你知道么？”&/p&&p&我解释：“你女儿没有恋爱我是知道的。”&/p&&p&娜娜母亲急了：“你知道啥？肯定有人背后偷偷引诱我女儿，要不然娜娜怎么能那样？”&/p&&p&娜娜母亲的表现让人不喜欢，不高兴。&/p&&p&我说：“没有。”&/p&&p&娜娜来了，看着我和娜娜母亲在说着乱七八杂的话，她主动开口了：“妈，是我喜欢别人。”&/p&&p&娜娜母亲坐在椅子上，一下子就哑火了，泄了气。我得救了。&/p&&p&沉默了半天，娜娜母亲敲着娜娜的头：“你呀，气死人了，你这样好看，值得这个时候喜欢别人么？你愁嫁么？”&/p&&p&娜娜看着天，随娜娜母亲大声嚷嚷，只是站了一会，竟然走了。&/p&&p&剩下娜娜母亲在我的身边凌乱。&/p&&p&娜娜母亲最后问我：“娜娜喜欢谁，你知道么？”&/p&&p&我默然。&/p&&p&娜娜母亲的表现真是前后不呼应，最后，她无力地走了。&/p&&p&我叫娜娜来办公室：“喜欢一个人是没有错的，关键是要跟上对方的步伐。你再这样迷失下去，错的是你，而男人在关键的时候总是理智得很。”&/p&&p&我不知道娜娜是否听懂了我的话，后来她的学习认真了许多，可是成绩还是不大理想。&/p&&p&那一天，一个学生告诉我：“老师，娜娜在学校的小树林边哭呢。”&/p&&p&我心里一疼。&/p&&p&高三一晃就过去了。&/p&&p&四&/p&&p&志考上了上海一所名校，主攻现代金融，而娜娜考取了一个三本院校。娜娜给我打电话的时候说：“老师，我完了，我知道自己配不上志，真的。”&/p&&p&不知怎么的，我竟然流泪了。&/p&&p&痴情如此，我又如何？&/p&&p&九月很快就要来了，志上大学的学费还是一个问题，毕竟上海是一个消费高的地方，而我们这里的经济不是很发达，志家里又是那样。&/p&&p&幸好，有助学贷款的帮助，志终于可以上海之行了。&/p&&p&娜娜黯然失神，让我转给志：“其实志不用贷款，我家里有他的学费。”&/p&&p&我把娜娜的好心告诉了志。&/p&&p&志让我转告：“老师，你告诉娜娜，整整两年，是因为娜娜的喜欢才有了我上学的动力，到这个时候我才觉得我可以说出我喜欢娜娜，狠狠地喜欢。”&/p&&p&志补充：“老师我也是人呀，娜娜那样美丽，主动追求我，我能不动心么？能不心跳么？可是如果我不够努力，我知道我得不到永远的娜娜。”&/p&&p&你妹，还是一个心机boy。&/p&&p&我这个老师，恰当的说是一个媒人，找见娜娜：“志是喜欢你的，如今有了名牌大学的招牌，志终于可以表达了。”&/p&&p&娜娜喜极而泣，泪眼婆娑：“真的？”&/p&&p&你妹，我都感动了。&/p&&p&“老师我要复读。”&/p&&p&娜娜很认真，其实我知道，就是复读，娜娜也未必能考上上海的名校。&/p&&p&怎么办？&/p&&p&刚开始的太阳难道就要被乌云遮盖么？&/p&&p&我踌躇半天：“你理科不行，转文科，再战一年，记着天道酬勤。”&/p&&p&娜娜听了我的话，转身走了，突然转身鞠了一躬喊：“老师，我爱你。”&/p&&p&爱你妹。&/p&&p&娜娜去了一所重点高中补习班，从此销声匿迹。&/p&&p&2004年的冬天，娜娜母亲找了我一次：“我女儿疯了，为了学习，两个月不洗澡，难道时间就那样珍贵么？”&/p&&p&爱情真是伟大。&/p&&p&2005年的高考，我依然带高三，可是心里牵挂着娜娜的成绩。&/p&&p&7月的一天，娜娜打来电话：“老师，老师……”然后就是哭泣声，我竟然不知所措。&/p&&p&“老师我考上了，不过报的上海，录取的却是南京的高校，重点啊。”&/p&&p&依然是金融专业。&/p&&p&吓死我了，我安慰娜娜，南京和上海都是华东，不远的，坐火车坐汽车都可以相见。&/p&&p&娜娜在那头破涕为笑：“老师，志放暑假了，我们一起请你吃饭。”&/p&&p&你妹，我吃死你们。&/p&&p&2005年的秋天，我专门到火车站送他们两个去华东，一个上海，一个南京。心里不知道怎么空落落的，我知道他们是我带过的最有真性情的学生。&/p&&p&本来事情到此处就有了句号，我再也不用挂牵他们。&/p&&p&五&/p&&p&2008年的七月，志大学毕业，志对我说：“老师当今世界金融最发达的地方是华尔街。”他要去美国深造。&/p&&p&我突然问：“娜娜怎么办呀？”&/p&&p&志说：“我希望娜娜能跟着我一起到美国。”&/p&&p&“娜娜能去么，为了跟上你读大学的节奏，娜娜已经是出了吃奶的力气。出国？不敢想。”我替娜娜说话。&/p&&p&志终于以全优的成绩去了美国，而且是全额奖学金。&/p&&p&志走的时候，娜娜没有流泪，她说：“老师你不要怪志，我就喜欢志上进不止的样子，够爷们。纽约，明年我也要去那里，一定。”&/p&&p&隔着电话，我也能感觉到火热的青春。&/p&&p&2009年，娜娜如愿去了美国，纽约，可是没有读金融。娜娜的数学不大好，而她已经不需要问我，她知道如何用巧妙的办法追上志的脚步。娜娜读西方文学。&/p&&p&2010年的圣诞，他们两个站在美国的街头拍了一张照片发给我，嬉皮笑脸。&/p&&p&我回复：&/p&&p&&i&不要被爱情冲昏了头脑，悠着点。&/i&&/p&&p&他们给我邮寄了一包巧克力，死贵死贵的。我拿出来分给我的高三学生，吃它丫的。&/p&&p&六&/p&&p&2011年，一整年我都没有他们的信息，我的心里很着急。&/p&&p&娜娜的母亲来找我了：“老师我家没有钱供娜娜美国读书了，娜娜父亲做生意出了问题，能不能让娜娜回来？”&/p&&p&娜娜母亲颓然地坐在椅子上，暗自伤神。&/p&&p&娜娜终究还是念到了毕业。&/p&&p&志研究生毕业之后，如愿去了一家大公司，见习期的工资却不高，志又悄悄找了一份兼职。美国的企业要求严格，志十分努力，黑白不休，卖命赚钱，就是想让娜娜留在美国，就希望两个人在一起更加的温暖。娜娜也变得十分懂事，多年的历练，已经知道了追求幸福的不容易。娜娜心疼志的钱，也努力赚钱打工，从小没有吃过苦的娜娜，在无人的角落也暗自垂泪，一度想过放弃。好在，娜娜知道自己不能放弃，咬牙坚持，两个人在陌生的国度，相互打气，能得到对方的爱，那就是最大的幸运。&/p&&p&两个人都在使劲，春暖花开，冰河融化，终于娜娜也毕业了，成绩不是很优秀，可是已经使出了全身的力气。&/p&&p&2012年的时候，他们两个嘻嘻哈哈地坐在我的面前，志拉着娜娜的手，娜娜还在讲她的无耻高中，我们笑成一团。趁我不防备，他们偷偷给我玻璃板下塞了3000美元，然后两个人和我一起说我讲课时候的各种糗事，各种固定的口头语。我装作要打他们的样子，他们也站在我的面前，说：“老师我错了。”&/p&&p&冬日的阳光照在我小小的屋里，幸福在身边飞翔。&/p&&p&再见的时候，我妻子发现了钱，追他们的时候，他们早已经嘻嘻哈哈地跑远了。哎，他们。&/p&&p&2016这一年，我隔三差五就会在朋友圈发我写的文章，他们看到了，在深圳的公寓里和我视频聊天：“老师有本事你就写写我们呀，哈哈哈。写写我们吧。”&/p&&p&他们两岁的女儿站在他们的身边，靠着志，流着口水，正在和一个红红的大苹果较劲。&/p&&br&&p&&b&作者 | 李红军&/b&&/p&&p&&b&编辑 | 宏伟星球&/b&&/p&&p&&b&原文标题：《初恋的初恋》&/b&&/p&&p&全民故事计划原创故事，（公众号ID：quanmingushi)&/p&&p&投稿邮箱：&/p&&p&稿酬：千字300—2000元&/p&
这是全民故事计划的第86个故事，中学老师见证的一对学生的爱情故事。比糖还要甜的初恋。一2003年。高二文理分科，志和娜娜分到了我带的班级。志学习好，娜娜不差但是与志相比是差了许多。志的家境不好，而娜娜的家境那就是非常的优越了。娜娜喜欢志，我在批…
&p&&b&Update:&/b&&/p&&p&新增CSR-DCF [&a href=&/?target=https%3A///alanlukezic/csr-dcf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&code&i class=&icon-external&&&/i&&/a&]部分。&/p&&p&&br&&/p&&p&本文转自 &a class=&member_mention& href=&/people/2d6e027e5db50df5dea1& data-hash=&2d6e027e5db50df5dea1& data-hovercard=&p$b$2d6e027e5db50df5dea1&&@Qiang Wang&/a& &a href=&/people/2d6e027e5db50df5dea1& class=&internal&&的&/a&&a href=&/?target=https%3A///foolwood/benchmark_results& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&foolwood/benchmark_results&i class=&icon-external&&&/i&&/a&。&/p&&h2&Visual Trackers&/h2&&ul&&li&&b&CREST:&/b& Yibing Song, Chao Ma, Lijun Gong, Jiawei Zhang, Rynson Lau, Ming-Hsuan Yang. &CREST: Convolutional Residual Learning for Visual Tracking.& ICCV (2017 &b&Spotlight&/b&). [&a href=&/?target=http%3A///content_ICCV_2017/papers/Song_CREST_Convolutional_Residual_ICCV_2017_paper.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=http%3A//www.cs.cityu.edu.hk/%7Eyibisong/iccv17/index.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&project&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A///ybsong00/CREST-Release& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&github&i class=&icon-external&&&/i&&/a&]&/li&&li&&b&EAST:&/b& Chen Huang, Simon Lucey, Deva Ramanan. &Learning Policies for Adaptive Tracking with Deep Feature Cascades.& ICCV (2017 &b&Spotlight&/b&). [&a href=&/?target=http%3A///content_ICCV_2017/papers/Huang_Learning_Policies_for_ICCV_2017_paper.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=http%3A///content_ICCV_2017/supplemental/Huang_Learning_Policies_for_ICCV_2017_supplemental.zip& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&supp&i class=&icon-external&&&/i&&/a&]&/li&&li&&b&PTAV:&/b& Heng Fan and Haibin Ling. &Parallel Tracking and Verifying: A Framework for Real-Time and High Accuracy Visual Tracking.& ICCV (2017). [&a href=&/?target=http%3A///content_ICCV_2017/papers/Fan_Parallel_Tracking_and_ICCV_2017_paper.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=http%3A///content_ICCV_2017/supplemental/Fan_Parallel_Tracking_and_ICCV_2017_supplemental.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&supp&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=http%3A//www.dabi.temple.edu/%7Ehbling/code/PTAV/ptav.htm& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&project&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=http%3A//www.dabi.temple.edu/%7Ehbling/code/PTAV/serial_ptav_v1.zip& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&code&i class=&icon-external&&&/i&&/a&]&/li&&li&&b&BACF:&/b& Hamed Kiani Galoogahi, Ashton Fagg, Simon Lucey. &Learning Background-Aware Correlation Filters for Visual Tracking.& ICCV (2017). [&a href=&/?target=http%3A///content_ICCV_2017/papers/Galoogahi_Learning_Background-Aware_Correlation_ICCV_2017_paper.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=http%3A///content_ICCV_2017/supplemental/Galoogahi_Learning_Background-Aware_Correlation_ICCV_2017_supplemental.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&supp&i class=&icon-external&&&/i&&/a&]&/li&&li&&b&TSN:&/b& Zhu Teng, Junliang Xing, Qiang Wang, Congyan Lang, Songhe Feng and Yi Jin. &Robust Object Tracking based on Temporal and Spatial Deep Networks.& ICCV (2017). [&a href=&/?target=http%3A///content_ICCV_2017/papers/Teng_Robust_Object_Tracking_ICCV_2017_paper.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&]&/li&&li&&b&p-tracker:&/b& James Supan?i?, III; Deva Ramanan. &Tracking as Online Decision-Making: Learning a Policy From Streaming Videos With Reinforcement Learning.& ICCV (2017). [&a href=&/?target=http%3A///content_ICCV_2017/papers/Supancic_Tracking_as_Online_ICCV_2017_paper.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=http%3A///content_ICCV_2017/supplemental/Supancic_Tracking_as_Online_ICCV_2017_supplemental.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&supp&i class=&icon-external&&&/i&&/a&]&/li&&li&&b&DSiam:&/b& Qing G Wei F Ce Z Rui H Liang W Song Wang. &Learning Dynamic Siamese Network for Visual Object Tracking.& ICCV (2017). [&a href=&/?target=http%3A///content_ICCV_2017/papers/Guo_Learning_Dynamic_Siamese_ICCV_2017_paper.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&]&/li&&li&&b&SP-KCF:&/b& Xin S Ngai-Man C Hongxun Y Yiluan Guo. &Non-Rigid Object Tracking via Deformable Patches Using Shape-Preserved KCF and Level Sets.& ICCV (2017). [&a href=&/?target=http%3A///content_ICCV_2017/papers/Sun_Non-Rigid_Object_Tracking_ICCV_2017_paper.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&]&/li&&li&&b&UCT:&/b& Zheng Zhu, Guan Huang, Wei Zou, Dalong Du, Chang Huang. &UCT: Learning Unified Convolutional Networks for Real-Time Visual Tracking.& ICCV workshop (2017). [&a href=&/?target=http%3A///content_ICCV_2017_workshops/papers/w28/Zhu_UCT_Learning_Unified_ICCV_2017_paper.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&]&/li&&li&Tobias Bottger, Patrick Follmann. &The Benefits of Evaluating Tracker Performance Using Pixel-Wise Segmentations.& ICCV workshop (2017). [&a href=&/?target=http%3A///content_ICCV_2017_workshops/papers/w28/Bottger_The_Benefits_of_ICCV_2017_paper.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&]&/li&&li&&b&CFWCR:&/b& Zhiqun He, Yingruo Fan, Junfei Zhuang, Yuan Dong, HongLiang Bai. &Correlation Filters With Weighted Convolution Responses.& ICCV workshop (2017). [&a href=&/?target=http%3A///content_ICCV_2017_workshops/papers/w28/He_Correlation_Filters_With_ICCV_2017_paper.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&]&/li&&li&&b&IBCCF:&/b& Feng Li, Yingjie Yao, Peihua Li, David Zhang, Wangmeng Zuo, Ming-Hsuan Yang. &Integrating Boundary and Center Correlation Filters for Visual Tracking With Aspect Ratio Variation.& ICCV workshop (2017). [&a href=&/?target=http%3A///content_ICCV_2017_workshops/papers/w28/Li_Integrating_Boundary_and_ICCV_2017_paper.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&]&/li&&li&&b&RFL:&/b& Tianyu Yang, Antoni B. Chan. &Recurrent Filter Learning for Visual Tracking.& ICCV workshop (2017). [&a href=&/?target=http%3A///content_ICCV_2017_workshops/papers/w28/Yang_Recurrent_Filter_Learning_ICCV_2017_paper.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&]&/li&&li&ECO: Martin Danelljan, Goutam Bhat, Fahad Shahbaz Khan, Michael Felsberg. &ECO: Efficient Convolution Operators for Tracking.& CVPR (2017). [&a href=&/?target=https%3A//arxiv.org/pdf/.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=http%3A//www.cvl.isy.liu.se/research/objrec/visualtracking/ecotrack/index.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&project&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A///martin-danelljan/ECO& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&github&i class=&icon-external&&&/i&&/a&]&/li&&li&CFNet: Jack Valmadre, Luca Bertinetto, Jo?o F. Henriques, Andrea Vedaldi, Philip H. S. Torr. &End-to-end representation learning for Correlation Filter based tracking.& CVPR (2017). [&a href=&/?target=https%3A//arxiv.org/pdf/v1.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=http%3A//www.robots.ox.ac.uk/%7Eluca/cfnet.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&project&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A///bertinetto/cfnet& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&github&i class=&icon-external&&&/i&&/a&]&/li&&li&CACF: Matthias Mueller, Neil Smith, Bernard Ghanem. &Context-Aware Correlation Filter Tracking.& CVPR (2017 oral). [&a href=&/?target=https%3A//arxiv.org/pdf/v1.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A//ivul.kaust.edu.sa/Pages/pub-ca-cf-tracking.aspx& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&project&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A///thias15/Context-Aware-CF-Tracking& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&code&i class=&icon-external&&&/i&&/a&]&/li&&li&RaF: Le Zhang, Jagannadan Varadarajan, Ponnuthurai Nagaratnam Suganthan, Narendra Ahuja and Pierre Moulin &Robust Visual Tracking Using Oblique Random Forests.& CVPR (2017). [&a href=&/?target=https%3A//arxiv.org/pdf/.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A///site/zhangleuestc/incremental-oblique-random-forest& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&project&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A///ZhangLeUestc/Incremental-Oblique-Random-Forest& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&code&i class=&icon-external&&&/i&&/a&]&/li&&li&MCPF: Tianzhu Zhang, Changsheng Xu, Ming-Hsuan Yang. &Multi-task Correlation Particle Filter for Robust Visual Tracking .& CVPR (2017). [&a href=&/?target=http%3A//nlpr-web./mmc/homepage/tzzhang/Project_Tianzhu/zhang_mcpf/CVPR.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=http%3A//nlpr-web./mmc/homepage/tzzhang/mcpf.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&project&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=http%3A//nlpr-web./mmc/homepage/tzzhang/mcpf.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&code&i class=&icon-external&&&/i&&/a&]&/li&&li&ACFN: Jongwon Choi, Hyung Jin Chang, Sangdoo Yun, Tobias Fischer, Yiannis Demiris, and Jin Young Choi. &Attentional Correlation Filter Network for Adaptive Visual Tracking.& CVPR (2017) [&a href=&/?target=https%3A///file/d/0B0ZkG8zaRQoLUHdlTGNtUWFjd1E/view& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A///site/jwchoivision/home/acfn-1& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&project&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A///file/d/0B0ZkG8zaRQoLQUswbW9qSWFaU0U/view%3Fusp%3Ddrive_web& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&test code&i class=&icon-external&&&/i&&/a&)] [&a href=&/?target=https%3A///file/d/0B0ZkG8zaRQoLZVVranBnbHlydnM/view%3Fusp%3Ddrive_web& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&training code&i class=&icon-external&&&/i&&/a&]&/li&&li&LMCF: Mengmeng Wang, Yong Liu, Zeyi Huang. &Large Margin Object Tracking with Circulant Feature Maps.& CVPR (2017). [&a href=&/?target=https%3A//arxiv.org/pdf/.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/p/& class=&internal&&zhihu&/a&]&/li&&li&ADNet: Sangdoo Yun, Jongwon Choi, Youngjoon Yoo, Kimin Yun, Jin Young Choi. &Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning .& CVPR (2017). [&a href=&/?target=https%3A///open%3Fid%3D0B34VXh5mZ22cZUs2Umc1cjlBMFU& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A///view/cvpr2017-adnet& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&project&i class=&icon-external&&&/i&&/a&]&/li&&li&CSR-DCF: Alan Luke?i?, Tomá? Vojí?, Luka ?ehovin, Ji?í Matas, Matej Kristan. &Discriminative Correlation Filter with Channel and Spatial Reliability.& CVPR (2017). [&a href=&/?target=https%3A//arxiv.org/pdf/v1.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&][&a href=&/?target=https%3A///alanlukezic/csr-dcf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&code&i class=&icon-external&&&/i&&/a&]&/li&&li&BACF: Hamed Kiani Galoogahi, Ashton Fagg, Simon Lucey. &Learning Background-Aware Correlation Filters for Visual Tracking.& CVPR (2017). [&a href=&/?target=https%3A//arxiv.org/pdf/.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&]&/li&&li&Bohyung Han, Jack Sim, Hartwig Adam &BranchOut: Regularization for Online Ensemble Tracking with Convolutional Neural Networks.& CVPR (2017).&/li&&li&SANet: Heng Fan, Haibin Ling. &SANet: Structure-Aware Network for Visual Tracking.& CVPRW (2017). [&a href=&/?target=https%3A//arxiv.org/pdf/.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=http%3A//www.dabi.temple.edu/%7Ehbling/code/SANet/SANet.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&project&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=http%3A//www.dabi.temple.edu/%7Ehbling/code/SANet/sanet_code.zip& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&code&i class=&icon-external&&&/i&&/a&]&/li&&li&DNT: Zhizhen Chi, Hongyang Li, Huchuan Lu, Ming-Hsuan Yang. &Dual Deep Network for Visual Tracking.& TIP (2017). [&a href=&/?target=https%3A//arxiv.org/pdf/v1.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&]&/li&&li&DRT: Junyu Gao, Tianzhu Zhang, Xiaoshan Yang, Changsheng Xu. &Deep Relative Tracking.& TIP (2017). [&a href=&/?target=http%3A//ieeexplore.ieee.org/abstract/document/7828108/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&]&/li&&li&BIT: Bolun Cai, Xiangmin Xu, Xiaofen Xing, Kui Jia, Jie Miao, Dacheng Tao. &BIT: Biologically Inspired Tracker.& TIP (2016). [&a href=&/?target=http%3A//caibolun.github.io/papers/BIT_TIP.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=http%3A//caibolun.github.io/BIT/index.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&project&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A///caibolun/BIT& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&github&i class=&icon-external&&&/i&&/a&]&/li&&li&SiameseFC: Luca Bertinetto, Jack Valmadre, Jo?o F. Henriques, Andrea Vedaldi, Philip H.S. Torr. &Fully-Convolutional Siamese Networks for Object Tracking.& ECCV workshop (2016). [&a href=&/?target=http%3A//120.52.73.78/arxiv.org/pdf/v2.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=http%3A//www.robots.ox.ac.uk/%7Eluca/siamese-fc.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&project&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A///bertinetto/siamese-fc& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&github&i class=&icon-external&&&/i&&/a&]&/li&&li&GOTURN: David Held, Sebastian Thrun, Silvio Savarese. &Learning to Track at 100 FPS with Deep Regression Networks.& ECCV (2016). [&a href=&/?target=http%3A//davheld.github.io/GOTURN/GOTURN.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=http%3A//davheld.github.io/GOTURN/GOTURN.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&project&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A///davheld/GOTURN& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&github&i class=&icon-external&&&/i&&/a&]&/li&&li&C-COT: Martin Danelljan, Andreas Robinson, Fahad Khan, Michael Felsberg. &Beyond Correlation Filters: Learning Continuous Convolution Operators for Visual Tracking.& ECCV (2016). [&a href=&/?target=http%3A//www.cvl.isy.liu.se/research/objrec/visualtracking/conttrack/C-COT_ECCV16.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=http%3A//www.cvl.isy.liu.se/research/objrec/visualtracking/conttrack/index.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&project&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A///martin-danelljan/Continuous-ConvOp& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&github&i class=&icon-external&&&/i&&/a&]&/li&&li&CF+AT: Adel Bibi, Matthias Mueller, and Bernard Ghanem. &Target Response Adaptation for Correlation Filter Tracking.& ECCV (2016). [&a href=&/?target=http%3A///papers/ECCV2016/Target_Adap.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [project]&/li&&li&MDNet: Nam, Hyeonseob, and Bohyung Han. &Learning Multi-Domain Convolutional Neural Networks for Visual Tracking.& CVPR (2016). [&a href=&/?target=http%3A//arxiv.org/pdf/v2.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=http%3A//votchallenge.net/vot2015/download/presentation_Hyeonseob.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&VOT_presentation&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=http%3A//cvlab.postech.ac.kr/research/mdnet/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&project&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A///HyeonseobNam/MDNet& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&github&i class=&icon-external&&&/i&&/a&]&/li&&li&SINT: Ran Tao, Efstratios Gavves, Arnold W.M. Smeulders. &Siamese Instance Search for Tracking.& CVPR (2016). [&a href=&/?target=https%3A//staff.science.uva.nl/r.tao/pub/TaoCVPR2016.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A//staff.fnwi.uva.nl/r.tao/projects/SINT/SINT_proj.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&project&i class=&icon-external&&&/i&&/a&]&/li&&li&SCT: Jongwon Choi, Hyung Jin Chang, Jiyeoup Jeong, Yiannis Demiris, and Jin Young Choi. &Visual Tracking Using Attention-Modulated Disintegration and Integration.& CVPR (2016). [&a href=&/?target=http%3A//www.cv-foundation.org/openaccess/content_cvpr_2016/papers/Choi_Visual_Tracking_Using_CVPR_2016_paper.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A///site/jwchoivision/home/sct& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&project&i class=&icon-external&&&/i&&/a&]&/li&&li&STCT: Lijun Wang, Wanli Ouyang, Xiaogang Wang, and Huchuan Lu. &STCT: Sequentially Training Convolutional Networks for Visual Tracking.& CVPR (2016). [&a href=&/?target=http%3A//www.ee.cuhk.edu.hk/%7Ewlouyang/Papers/WangLJ_CVPR16.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a&] [&a href=&/?target=https%3A///scott89/STCT& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&github&i class=&icon-external&&&/i&&/a&]&/li&&li&SRDCFdecon: Martin Danelljan, Gustav H?ger, Fahad Khan, Michael Felsberg. &Adaptive Decontamination of