无额外修饰的跟踪

在视频序列中跟踪多个物体的问题提出了若干具有挑战性的任务。对于基于检测的跟踪，这些任务包括物体重识别、运动预测和处理遮挡。我们提出了一种跟踪器（无额外修饰），其在不专门针对这些任务中任何一个的情况下完成跟踪，特别地，我们不在跟踪数据上进行训练或优化。为此，我们利用物体检测器的边界框回归来预测物体在下一帧中的位置，从而将检测器转换为 Tracktor。我们展示了 Tracktor 的潜力，并通过为其添加简单的重识别和相机运动补偿，在三个多目标跟踪基准上提供了新的最先进水平。随后，我们将若干最先进跟踪方法的性能与失败案例同我们的 Tracktor 进行比较分析。令人惊讶的是，这些专用的跟踪方法在处理复杂跟踪场景（即小而遮挡的物体或漏检）方面均无显著更优。然而，我们的方法应对了大多数简单跟踪场景。因此，我们将该方法作为新的跟踪范式提出，并指出有前景的未来研究方向。总体而言，Tracktor 取得了优于当前任何跟踪方法的跟踪性能，且我们的分析揭示了尚未解决的跟踪挑战以启发未来研究。