UTOPIA：基于跨域自适应无需预先检查的无约束多目标跟踪
计算机视觉与模式识别
2023-06-19 v1
摘要
多目标跟踪（MOT）旨在连续视频帧中寻找目标对象的边界框与身份。尽管全监督MOT方法在现有数据集上已取得高准确率，它们在新获取的数据集或未见新域上泛化不佳。本工作中，我们首先从跨域视角解决MOT问题，模拟实践中新数据获取的过程。随后，提出一种从现有数据集出发的跨域MOT自适应方法，无需任何预定义的人类知识与对对象的建模理解。它还能从目标数据反馈中学习并更新自身。我们在四种具有挑战性的设定上设计了密集实验，包括MOTSynth到MOT17、MOT17到MOT20、MOT17到VisDrone以及MOT17到DanceTrack。我们进而证明了所提自监督学习策略的适应性。实验还显示，在跟踪指标MOTA与IDF1上，相较全监督、无监督及自监督的当前最优方法，其性能更优。
引用
@article{arxiv.2306.09613,
title = {UTOPIA: Unconstrained Tracking Objects without Preliminary Examination via Cross-Domain Adaptation},
author = {Pha Nguyen and Kha Gia Quach and John Gauch and Samee U. Khan and Bhiksha Raj and Khoa Luu},
journal= {arXiv preprint arXiv:2306.09613},
year = {2023}
}