基于自编码器提升多割的无监督多人跟踪
计算机视觉与模式识别
2020-02-05 v1
摘要
多目标跟踪（MOT）是计算机视觉中一项长期存在的任务。当前基于检测跟踪范式的方法要么需要某种领域知识，要么需要监督以正确地将数据关联为轨迹。在本工作中，我们提出一种基于视觉特征与最小代价提升多割（lifted multicuts）的无监督多目标跟踪方法。我们的方法基于可从图像序列相邻帧中无监督提取的直白时空线索。基于这些线索的聚类使我们能够学习当前跟踪任务所需的表观不变性，并训练一个自编码器以生成合适的潜表示。因此，所得潜表示可作为鲁棒的表观线索用于跟踪，即便在无法提取可靠时空特征的大时间跨度下亦如此。我们表明，尽管未经所提供的标注训练，我们的模型在具挑战性的行人跟踪 MOT Benchmark 上给出了有竞争力的结果。
引用
@article{arxiv.2002.01192,
title = {Unsupervised Multiple Person Tracking using AutoEncoder-Based Lifted Multicuts},
author = {Kalun Ho and Janis Keuper and Margret Keuper},
journal= {arXiv preprint arXiv:2002.01192},
year = {2020}
}