MambaMOT：用于多目标跟踪的状态空间模型
计算机视觉与模式识别
2025-01-22 v2
摘要
在多目标跟踪（MOT）领域，传统方法常依赖卡尔曼滤波进行运动预测，利用其在线性运动场景中的优势。然而，这些方法在面对像体育和舞蹈等动态环境中常见的复杂非线性运动和遮挡时，局限性变得明显。本文探讨了以学习基于的运动模型取代卡尔曼滤波，以提升跟踪精度和适应性，超越卡尔曼滤波跟踪器的限制。本文提出的方法MambaMOT和MambaMOT+在DanceTrack和SportsMOT等具有挑战性的MOT数据集上表现出色，展示了其处理复杂非线性运动模式和频繁遮挡的能力优于传统方法。
引用
@article{arxiv.2403.10826,
title = {MambaMOT: State-Space Model as Motion Predictor for Multi-Object Tracking},
author = {Hsiang-Wei Huang and Cheng-Yen Yang and Wenhao Chai and Zhongyu Jiang and Jenq-Neng Hwang},
journal= {arXiv preprint arXiv:2403.10826},
year = {2025}
}
备注
Accepted by ICASSP 2025. Previous version paper title: Exploring Learning-based Motion Models in Multi-Object Tracking