SoDA：基于软数据关联的多目标跟踪
计算机视觉与模式识别
2020-08-20 v2
摘要
鲁棒的多目标跟踪（MOT）是安全部署自动驾驶汽车的先决条件。然而，目标跟踪仍是一个极具挑战性的问题，尤其是在杂乱的自动驾驶场景中，物体往往以复杂方式相互交互并频繁被遮挡。我们提出了一种新颖的MOT方法，利用注意力计算轨迹嵌入，以编码观测对象之间的时空依赖关系。这种注意力度量编码使我们的模型能够放宽硬数据关联，硬关联可能导致不可恢复的错误。相反，我们的模型通过软数据关联聚合来自所有目标检测的信息。由此产生的潜空间表示使我们的模型能够以整体数据驱动的方式学习推理遮挡，并在物体被遮挡时仍维持其轨迹估计。我们在Waymo OpenDataset上的实验结果表明，我们的方法利用了现代大规模数据集，并在视觉多目标跟踪中优于最先进方法。
引用
@article{arxiv.2008.07725,
title = {SoDA: Multi-Object Tracking with Soft Data Association},
author = {Wei-Chih Hung and Henrik Kretzschmar and Tsung-Yi Lin and Yuning Chai and Ruichi Yu and Ming-Hsuan Yang and Dragomir Anguelov},
journal= {arXiv preprint arXiv:2008.07725},
year = {2020}
}