基于神经消息传递的多目标跟踪与分割
计算机视觉与模式识别
2022-07-18 v1
摘要
图提供了一种在自然的方式下于检测即跟踪（tracking-by-detection）范式内表述多目标跟踪（MOT）与多目标跟踪与分割（MOTS）的方法。然而，它们也为学习方法带来了重大挑战，因为定义一个能在此类结构化域上运行的模型并非易事。在本工作中，我们利用 MOT 的经典网络流表述来定义一个基于消息传递网络（MPNs）的完全可微框架。通过直接在图域上操作，我们的方法能够对一整组检测进行全局推理并利用上下文特征。它随后联合预测数据关联问题的最终解以及场景中全部目标的分割掩码，同时利用两项任务间的协同作用。我们在多个公开数据集上取得了跟踪与分割的 SOTA 结果。我们的代码可在 github.com/ocetintas/MPNTrackSeg 获取。
引用
@article{arxiv.2207.07454,
title = {Multi-Object Tracking and Segmentation via Neural Message Passing},
author = {Guillem Braso and Orcun Cetintas and Laura Leal-Taixe},
journal= {arXiv preprint arXiv:2207.07454},
year = {2022}
}
备注
arXiv admin note: substantial text overlap with arXiv:1912.07515