UTrack：应对不确定检测的多目标跟踪
计算机视觉与模式识别
2024-09-02 v1
摘要
基于检测的跟踪范式是多目标跟踪的主流，即将轨迹与目标检测器的预测相关联。尽管这些预测通过置信度分数表现出不确定性，但它们并未捕获推理过程的全部变异性。然而，对于自动驾驶、监控等安全攸关的应用而言，了解这种预测不确定性是必不可少的。因此，我们首次引入了一种在目标检测期间获取经验预测分布的快速方法，并将该知识纳入多目标跟踪中。我们的机制可以轻松集成到最先进的跟踪器中，使其能够充分利用检测中的不确定性。此外，还引入了利用所提机制的新型关联方法。我们在多个基准上证明了我们贡献的有效性，如MOT17、MOT20、DanceTrack和KITTI。
引用
@article{arxiv.2408.17098,
title = {UTrack: Multi-Object Tracking with Uncertain Detections},
author = {Edgardo Solano-Carrillo and Felix Sattler and Antje Alex and Alexander Klein and Bruno Pereira Costa and Angel Bueno Rodriguez and Jannis Stoppe},
journal= {arXiv preprint arXiv:2408.17098},
year = {2024}
}
备注
Accepted for the ECCV 2024 Workshop on Uncertainty Quantification for Computer Vision