无标签跟踪：基于对比相似度学习的无监督多目标跟踪
计算机视觉与模式识别
2023-09-06 v1
摘要
由于缺乏标签，无监督学习是一项具有挑战性的任务。多目标跟踪（MOT）不可避免地受到目标间相互干扰、遮挡等影响，在无标签监督下更为困难。本文中，我们探索视频帧间样本特征的潜在一致性，并提出一种无监督对比相似度学习方法，称为 UCSL，包含三个对比模块：自对比、交叉对比和歧义对比。具体而言，i) 自对比利用帧内直接对比和帧间间接对比，通过最大化自相似度获得判别性表示。ii) 交叉对比对齐跨帧与连续帧匹配结果，缓解由目标遮挡引起的持续性负面影响。iii) 歧义对比将歧义目标相互匹配，通过隐式方式进一步提高后续目标关联的确定性。在现有基准上，我们的方法仅借助 ReID 头的有限帮助便优于现有的无监督方法，甚至提供比许多全监督方法更高的精度。
引用
@article{arxiv.2309.00942,
title = {Tracking without Label: Unsupervised Multiple Object Tracking via Contrastive Similarity Learning},
author = {Sha Meng and Dian Shao and Jiacheng Guo and Shan Gao},
journal= {arXiv preprint arXiv:2309.00942},
year = {2023}
}