CalibFree：无校准的多相机多目标跟踪自监督视角特征分离
计算机视觉与模式识别
2026-05-12 v1
摘要
多相机多目标跟踪（MCMOT）面临在保持不同相机视角间一致对象身份的重大挑战，尤其需要精确的标定和大量的标注。在本文中，我们提出CalibFree，一个无需任何标定或手动标注即可完成MCMOT任务的自监督表示学习框架。通过在单视图蒸馏和跨视图重建中促进视角无关和视角特定表示之间的特征分离，我们的方法能够适应复杂动态场景，仅需最小开销。在MMP-MvMHAT数据集上的实验显示，我们的方法在整体准确率上提升了3%，平均F1分数提升了7.5%，超过了最先进的方法。更广泛的MvMHAT数据集上，我们的方法在持续跟踪方面表现出色，跨视角性能强，凸显了其适应各种相机配置的灵活性。代码将在接受后公开。
引用
@article{arxiv.2605.09245,
title = {CalibFree: Self-Supervised View Feature Separation for Calibration-Free Multi-Camera Multi-Object Tracking},
author = {Ruiqi Xian and Deep Patel and Iain Melvin and Sanjoy Kundu and Martin Renqiang Min and Dinesh Manocha},
journal= {arXiv preprint arXiv:2605.09245},
year = {2026}
}