ReMOTS：自监督优化多目标跟踪与分割
计算机视觉与模式识别
2021-01-14 v3
摘要
我们旨在通过对结果的优化来提升多目标跟踪与分割（MOTS）的性能。然而，优化 MOTS 结果仍然具有挑战性，这可归因于外观特征未适配目标视频，且难以找到合适的阈值来区分它们。为解决此问题，我们提出了一种自监督优化 MOTS（即 ReMOTS）框架。ReMOTS 主要从数据关联的角度分四步优化 MOTS 结果。（1）使用预测的掩码训练外观编码器。（2）关联相邻帧间的观测以形成短期轨迹。（3）使用短期轨迹作为可靠伪标签训练外观编码器。（4）利用采用的外观特征以及从统计信息中自动获得的阈值，将短期轨迹合并为长期轨迹。使用 ReMOTS，我们在 CVPR 2020 MOTS Challenge 1 上获得第 1 名，sMOTSA 得分为 。
引用
@article{arxiv.2007.03200,
title = {ReMOTS: Self-Supervised Refining Multi-Object Tracking and Segmentation},
author = {Fan Yang and Xin Chang and Chenyu Dang and Ziqiang Zheng and Sakriani Sakti and Satoshi Nakamura and Yang Wu},
journal= {arXiv preprint arXiv:2007.03200},
year = {2021}
}
备注
4 pages