DARTH：面向多目标跟踪的整体化测试时自适应方法
计算机视觉与模式识别
2023-10-04 v1 人工智能
摘要
多目标跟踪（MOT）是自动驾驶感知系统的基础组件，其对未知条件的鲁棒性是避免生命攸关故障的要求。尽管驾驶系统对安全性有迫切需求，但迄今为止尚未有针对测试时条件下域偏移的 MOT 自适应问题的解决方案。然而，MOT 系统的性质是多面的——需要目标检测与实例关联——且对其所有组件进行自适应并非易事。本文中，我们分析了域偏移对基于外观的跟踪器的影响，并提出了 DARTH，一种面向 MOT 的整体化测试时自适应框架。我们提出一种检测一致性公式以自监督方式自适应目标检测，同时通过我们新颖的补丁对比损失自适应实例外观表示。我们在多种域偏移上评估了我们的方法——包括仿真到真实、室外到室内、室内到室外——并在所有指标上大幅提升了源模型性能。代码：https://github.com/mattiasegu/darth。
引用
@article{arxiv.2310.01926,
title = {DARTH: Holistic Test-time Adaptation for Multiple Object Tracking},
author = {Mattia Segu and Bernt Schiele and Fisher Yu},
journal= {arXiv preprint arXiv:2310.01926},
year = {2023}
}
备注
Proceedings of the IEEE/CVF International Conference on Computer Vision