开放词汇多目标追踪框架SLAck: 联合语义、位置和外观感知的启发式跟踪

文章预览

Abstract 开放词汇的多目标跟踪（MOT）旨在让跟踪器能够泛化到训练集中不存在的新类别。目前，表现最好的方法主要基于纯外观匹配。由于在大词汇量场景中运动模式的复杂性以及对新物体不稳定的分类，现有方法在最终匹配步骤中要么忽略了运动和语义线索，要么基于启发式方法应用。在本文中，我们提出了一个统一框架 SLAck，在关联的早期步骤中联合考虑语义、位置和外观先验，并通过轻量级的时空物体图学习如何整合所有有价值的信息。我们的方法消除了复杂的后处理启发式方法，大幅提升了大规模开放词汇跟踪的关联性能。无需繁琐的附加技术，我们在开放词汇 MOT 和 TAO TETA 基准上超越了之前的最新方法。 代码地址 ：github.com/siyuanliii/SLAck  欢迎加入自动驾驶实战群 Introduction 多目标跟踪（MOT）传统上局限于有限的词汇，专注于如行人和车 ………………………………