基于动力学变分自编码器的无监督多目标跟踪
机器学习
2022-02-22 v2 计算机视觉与模式识别
摘要
在本文中，我们提出一种基于动力学变分自编码器（DVAE）的无监督概率模型及相应估计算法用于多目标跟踪（MOT），称为 DVAE-UMOT。DVAE 是一种潜变量深度生成模型，可视为变分自编码器对时间序列建模的扩展。它作为 DVAE-UMOT 的组成部分，用于在由无标注单目标轨迹合成数据集预训练后建模目标动力学。随后，利用变分推断原理在每个待跟踪多目标序列上估计 DVAE-UMOT 的分布与参数：定义潜变量的近似后验分布并最大化数据似然函数对应的证据下界。实验表明 DVAE-UMOT 能与两种最先进的概率 MOT 模型相媲美甚至超越其性能。代码与数据已公开可用。
引用
@article{arxiv.2202.09315,
title = {Unsupervised Multiple-Object Tracking with a Dynamical Variational Autoencoder},
author = {Xiaoyu Lin and Laurent Girin and Xavier Alameda-Pineda},
journal= {arXiv preprint arXiv:2202.09315},
year = {2022}
}