GateMOT: 用于稠密目标跟踪的 Q 门注意
计算机视觉与模式识别
2026-04-30 v1
摘要
虽然大型模型展示了基础注意力机制的强大表征能力，但该核心机制无法直接应用于稠密目标跟踪：其全息的全到全交互在高分辨率特征上的稠密运动估计中计算负担沉重。这一不匹配阻碍了稠密目标跟踪充分利用基于注意力的建模在拥挤和遮挡严重的场景中。为此，我们引入 GateMOT，一个以 Q 门注意 (Q-Attention) 为核心的在线跟踪框架。我们的核心思想是将 Query 从相似度调制项转化为可学习的门控单元。这一门控-Query (Gating-Q) 产生概率门，以元素方式调制 Key 特征，实现显式相关性选择而非高成本的全局聚合。基于此机制，并行的 Q-Attention 头将共享特征图转化为针对检测、运动和重识别的任务特定且一致的表征，构建出具有线性复杂度门控操作的紧密耦合的多任务解码器。GateMOT 在 BEE24 数据集上实现了 48.4 的 HOTA、67.8 的 MOTA 和 64.5 的 IDF1，并在其他稠密目标跟踪基准上表现优异。这些结果表明，Q-Attention 是稠密跟踪场景中简单、有效且可迁移的注意力构建模块。
引用
@article{arxiv.2604.26353,
title = {GateMOT: Q-Gated Attention for Dense Object Tracking},
author = {Mingjin Lv and Zelin Liu and Feifei Shao and Yi-Ping Phoebe Chen and Junqing Yu and Wei Yang and Zikai Song},
journal= {arXiv preprint arXiv:2604.26353},
year = {2026}
}