Dec, 2017

跟踪，然后决策：基于视觉的多目标跟踪与类别无关

PDF
TL;DR本文提出了一种基于分割掩码的跟踪器，使用无分类模型的多目标跟踪方法来跟踪物体，该方法能够利用语义信息以及跟踪未知对象，并能够发现和跟踪大量其他对象，并取得了与最先进的基于检测的跟踪方法相当的性能。
multi-object trackingtracking-by-detectionimage segmentationobject classificationsemantic information
发现论文，激发创造
  • 学习跟踪任意物体

    本研究通过将类别特定的外观模型重新定义为通用的物体状态预测，在两种大规模跟踪基准测评（OxUvA 和 GOT）中实现了最先进的结果，并通过添加一个 mask 预测分支，为跟踪的对象生成实例分割掩模。

    Oct, 2019

  • 自主驾驶的概率三维多模态、多目标跟踪

    通过融合 2D 图像与 3D LiDAR 点云的特征，学习度量，以及在无匹配目标检测时初始化跟踪，提出了一种概率、多模态、多对象跟踪系统，实现了比现有技术更鲁棒、数据驱动的多对象跟踪。

    Dec, 2020

  • 自动驾驶视频类别无关分割基准测评

    该研究论文讨论了在自动驾驶里面实现视频类别不可知的图像语义分割，通过对比开放集关系与运动分割问题来解决未知目标语义分类的问题，并对基于外观、几何学习和对比损失等基础方法进行测评，提出了公共数据集和榜单，并公布了相应的模型。

    Mar, 2021

  • 无类别目标检测

    本文提出一种新的问题，即识别边界框内任意物体而不考虑它们的类别，以解决传统检测器在现实应用中的局限性，而作者提出的对抗性学习框架可以提高非类别感知物体检测的效力。

    Nov, 2020

  • 传统单目标跟踪的超越：一项综述

    单目标跟踪是许多关键领域应用的重要任务，尽管它仍被认为是最具挑战性的视觉任务之一。本文针对单目标跟踪的应用，提出了一种基于新技术和趋势的方法分类，并对广泛使用的跟踪基准中方法的性能进行了比较分析，同时分析了这些方法的优缺点，并提出了非传统技术在单目标跟踪中的指导，最后提出了未来研究的潜在方向。

    May, 2024

  • 使用跟踪对象提案进行视频对象分割

    通过结合基于类别的目标检测、类别独立的目标外观分割和时间上的目标追踪等方法，通过训练全卷积网络对视频中的特定对象外观进行独立的分割，再引入对检测框时间上的连续性约束，从而实现半监督视频目标分割。

    Jul, 2017

  • 自主车辆上的移动多相机多 3D 物体跟踪

    本文提出了一个新的全局关联图模型与链接预测方法，以预测现有的 tracklets 位置并通过交叉注意力运动建模和外观重新识别将检测与 tracklets 链接起来，以解决由于不一致的 3D 对象检测引起的问题，并提高 nuScenes 检测挑战中标准 3D 对象检测器的检测准确率。实验结果表明，该方法在现有基于视觉的跟踪数据集上表现出了 SOTA 的性能。

    Apr, 2022

  • 使用大型预训练模型进行零样本开放词汇跟踪

    通过重复用大规模预训练模型进行检测和分割，本研究提出了一种在 2D 视频中追踪和分割任何类别对象的模型，并在多个评估数据集上取得了强大的性能表现。

    Oct, 2023

  • 物体级别视频分割的物体检测、跟踪和运动分割

    该论文提出了一种用于视频中物体分割的方法，结合了帧级物体检测与物体跟踪、运动分割等概念，提取了基于现成检测器的时间一致性物体管，结合运动线索提供视频分割，克服了弱监督 / 无监督视频分割的典型问题，并提供每个对象的精确、时间一致的分割。

    Aug, 2016

  • OVTrack: 开放式词汇多目标跟踪

    本研究解决了传统多目标跟踪方法只针对少数预定义对象类型的固有限制，并提出了一种新的任务 Open-vocabulary MOT，进一步开发出一种数据效率优异的开放词汇跟踪器 OVTrack，通过知识蒸馏和数据幻觉策略有效提升图像分类和关联准确性，最终在大规模的 TAO 基准测试上取得了最新的最优效果。

    Apr, 2023