面向目标跟踪的统一 Transformer 跟踪器
计算机视觉与模式识别
2022-06-09 v2
摘要
作为计算机视觉的重要领域，目标跟踪已形成分别研究单目标跟踪（SOT）与多目标跟踪（MOT）的两个独立社群。然而，由于两项任务的训练数据集与跟踪对象存在差异，当前某一跟踪场景下的方法不易适配另一场景。尽管 UniTrack 表明具有多个头的共享外观模型可用于处理各类跟踪任务，但其未能利用大规模跟踪数据集进行训练，且在单目标跟踪上表现不佳。本文提出统一 Transformer 跟踪器（UTT），以单一范式解决不同场景下的跟踪问题。我们在 UTT 中开发了跟踪 Transformer，用于在 SOT 与 MOT 中跟踪目标。利用目标与跟踪帧特征之间的相关性来定位目标。我们证明 SOT 与 MOT 任务均可在此框架内解决。该模型可通过在各自任务数据集上交替优化 SOT 与 MOT 目标进行端到端联合训练。在多个基准上使用在 SOT 与 MOT 数据集上训练的统一模型进行了大量实验。代码将发布于 https://github.com/Flowerfan/Trackron。
引用
@article{arxiv.2203.15175,
title = {Unified Transformer Tracker for Object Tracking},
author = {Fan Ma and Mike Zheng Shou and Linchao Zhu and Haoqi Fan and Yilei Xu and Yi Yang and Zhicheng Yan},
journal= {arXiv preprint arXiv:2203.15175},
year = {2022}
}
备注
CVPR 2022