MOTRv2：利用预训练目标检测器引导端到端多目标跟踪
计算机视觉与模式识别
2023-04-20 v2
摘要
本文中，我们提出 MOTRv2，一种简单而有效的流水线，利用预训练目标检测器引导端到端多目标跟踪。现有的端到端方法 MOTR 与 TrackFormer 主要因检测性能不佳而逊于其检测跟踪（tracking-by-detection）对应方法。我们旨在通过优雅地引入额外目标检测器来改进 MOTR。我们首先采用查询的锚点表述，随后使用额外目标检测器生成提议作为锚点，为 MOTR 提供检测先验。这一简单修改极大缓解了 MOTR 中检测与关联任务联合学习的冲突。MOTRv2 保留查询传播特性，并在大规模基准上表现良好。MOTRv2 在首届群体舞蹈多人跟踪挑战赛中位列第一（DanceTrack 上 73.4% HOTA）。此外，MOTRv2 在 BDD100K 数据集上达到最先进性能。我们希望这一简单有效的流水线能为端到端 MOT 社区提供一些新见解。代码见 \url{https://github.com/megvii-research/MOTRv2}。
引用
@article{arxiv.2211.09791,
title = {MOTRv2: Bootstrapping End-to-End Multi-Object Tracking by Pretrained Object Detectors},
author = {Yuang Zhang and Tiancai Wang and Xiangyu Zhang},
journal= {arXiv preprint arXiv:2211.09791},
year = {2023}
}
备注
Accepted by CVPR 2023