Quo Vadis：轨迹预测是否是长时多目标跟踪的关键？
计算机视觉与模式识别
2022-10-26 v2
摘要
单目多目标跟踪近期的发展在跟踪可见物体和弥合短遮挡间隙方面非常成功，主要依赖数据驱动的表观模型。尽管我们在短期跟踪性能上已取得显著进展，弥合更长遮挡间隙仍难以实现：最先进的目标跟踪器仅能桥接少于 10% 长于三秒的遮挡。我们指出缺失的关键是更长时间尺度上的未来轨迹推理。直观上，遮挡间隙越长，可能关联的搜索空间越大。本文中，我们展示即便一小簇但多样的移动智能体轨迹预测也将显著缩小该搜索空间，从而提升长时跟踪鲁棒性。我们的实验表明，方法的关键组件是在鸟瞰图空间中推理并生成一小簇但多样的预测，同时考虑其定位不确定性。以此方式，我们能在 MOTChallenge 数据集上推进最先进跟踪器，并显著改善其长时跟踪性能。本文源代码与实验数据可用：https://github.com/dendorferpatrick/QuoVadis。
引用
@article{arxiv.2210.07681,
title = {Quo Vadis: Is Trajectory Forecasting the Key Towards Long-Term Multi-Object Tracking?},
author = {Patrick Dendorfer and Vladimir Yugay and Aljoša Ošep and Laura Leal-Taixé},
journal= {arXiv preprint arXiv:2210.07681},
year = {2022}
}
备注
Accepted at NeurIPS 2022; fixed small typo