Apr, 2023

OVTrack: 开放式词汇多目标跟踪

HTML
PDF
TL;DR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。
发现论文，激发创造
  • TAO:一个用于追踪任何物体的大规模基准

    该研究介绍了一个多样化的跟踪数据集，采用自下而上的方法获取了一个比以前跟踪基准的种类翻了一个数量级的大词汇，并进行评估表明现有的多种对象跟踪器在野外场景中存在困难，而基于检测的多对象跟踪器实际上是有竞争力的。

    May, 2020

  • 追踪野外一切

    本研究针对大规模多目标跟踪(MOT)数据集中存在的类别过多、类别相似等问题，提出了一种新的评价指标Track Every Thing Accuracy (TETA)，并介绍了一种新的跟踪器Track Every Thing tracker (TETer)，并利用Class Exemplar Matching (CEM)进行跟踪，实验证明了TETA和TETer在BDD100K和TAO等大规模数据集上相对于现有技术的显著提升。

    Jul, 2022

  • MotionTrack: 学习多目标跟踪的强健短期和长期运动

    本文提出了一种名为 MotionTrack 的简单而有效的多目标跟踪器，它在统一框架中学习健壮的短期和长期运动，以将轨迹从短范围关联到长范围。通过在检测范例跟踪中嵌入 Interaction Module 和 Refind Module​​，在挑战性场景中，该方法在各种 MOT 指标上均实现了最先进的性能。

    Mar, 2023

  • 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

  • VastTrack：广阔类别的视觉目标跟踪

    通过引入一个名为VastTrack的新型基准，本文旨在促进更加通用的视觉跟踪算法的发展，包括丰富的类别和视频，它具有大量目标类别、更大的规模、丰富的注释等吸引人的特性。

    Mar, 2024

  • 关联所有探测到的对象：促进未知场景下的基于检测的跟踪

    本研究针对多目标跟踪(MOT)领域中的传统封闭词汇跟踪(CV-MOT)和开放词汇跟踪(OV-MOT)各自面临的局限性，提出了统一的框架“关联所有探测到的对象(AED)”。该方法通过引入强大的特征学习，无需先验知识，兼顾CV-MOT和OV-MOT的性能，显著提升了在未知类别跟踪中的表现。最显著的发现是，AED在多个数据集上如TAO、SportsMOT和DanceTrack”等较现有方法表现更优。

    Sep, 2024

  • SLAck：语义、位置和外观感知的开放词汇跟踪

    本研究解决了开放词汇多目标跟踪中仅依赖外观匹配导致的局限性，提出了一种统一框架SLAck，该框架在早期关联步骤中共同考虑语义、位置和外观先验信息。实验表明，该方法显著提高了大规模开放词汇跟踪的关联性能，超越了之前的最先进方法。

    Sep, 2024

  • Open3DTrack：面向开放词汇的3D多目标跟踪

    本研究解决了传统3D多目标跟踪系统受限于预定义对象类别的问题，提出了开放词汇3D跟踪的方法。通过将开放词汇能力整合进3D跟踪框架，研究展示了其在动态环境中对未知对象的适应能力，显著缩小了已知对象与新对象之间的性能差距。这一方法对自主驾驶系统的现实应用具有重要意义。

    Oct, 2024

  • VOVTrack：探索视频中的开放词汇目标跟踪潜力

    本研究解决了开放词汇多目标跟踪（OVMOT）中的检测与跟踪不同类别物体的挑战。提出的VOVTrack方法通过整合与多目标跟踪相关的对象状态和视频中心训练，创新性地改进了目标定位和分类。实验结果表明，VOVTrack在开放词汇跟踪任务中优于现有方法，成为该领域的最先进解决方案。

    Oct, 2024

  • OVT-B：一个新的大规模开放词汇多目标跟踪基准

    本研究针对开放词汇多目标跟踪（OVT）领域的基准缺乏问题，提出了一个新的大规模基准OVT-B，包含1,048类对象和1,973个视频，极大丰富了该领域的数据资源。此外，研究还开发了一种简单而有效的基线方法，通过整合运动特征来进行目标跟踪，实验证明了该方法的有效性和基准的实用性。

    Oct, 2024