May, 2023

MFT：每个像素的长期追踪

PDF
TL;DR本文提出了一种新方法， Multi-Flow dense Tracker (MFT) ，用于稠密、像素级、长期跟踪，通过对连续帧之间和对数间隔的帧之间的光学流进行估计，基于预先训练的 CNN 提供几何精度和遮挡概率，有效地选择了最可靠的一系列光流，并在 TAP-Vid-DAVIS 基准测试中实现了最先进的结果，其平均位置精度为 70.8％，平均 Jaccard 为 56.1％，平均遮挡精度为 86.9％，且对于中等长度的遮挡不敏感，通过对参考帧估计流来减少漂移。
发现论文，激发创造
  • 密集匹配器用于密集追踪

    本研究论文扩展了 MFT 提出的将多个光流在对数间隔上结合的概念，证明了 MFT 与不同光流网络的兼容性，并展示了在 MFT 框架内的这些网络的简单而有效的组合，从而在长期跟踪应用中超越了它们的个体性能，并在位置预测准确性上与更复杂的非因果方法相竞争，彰显了 MFT 在增强长期跟踪应用方面的潜力。

    Feb, 2024

  • 流动融合的多目标跟踪

    本文设计了一种名为 FFT 的端到端 DNN 跟踪方法，采用流动目标和融合目标两种有效技术，其中 FlowTracker 探索复杂的目标运动模式，而 FuseTracker 从 FlowTracker 和检测器中细化和融合目标，在多个 MOT 基准测试中均取得了最先进的结果。

    Jan, 2020

  • 全面实时追踪万物

    我们提出了一种新的测试时间优化方法，用于从视频序列中估计密集和长程运动。该方法使用全局一致的运动表示法，并在局部和规范空间之间使用双向对应实现像素级跟踪，能够确保全局一致性，跟踪通过遮挡的像素，并模拟相机和物体运动的任意组合。

    Jun, 2023

  • 稠密光学跟踪：连接数据点

    本文介绍了 DOT，一种新颖、简单且高效的方法，用于解决点追踪中存在的遮挡问题，并且通过最近邻插值计算粗糙的初始估计密集流场和可见性掩码，然后利用可学习的光流估计器对其进行精细化处理。实验证明 DOT 相较于当前的光流技术更加准确，在速度方面至少快两个数量级。

    Dec, 2023

  • ParticleSfM：利用稠密点轨迹定位野外运动相机

    提出了一种基于密集间接结构运动方法的鲁棒性摄像机姿态估计方法，利用密集对应初始化并优化长程视频对应关系作为密集点轨迹并用于学习运动分割的鲁棒估计；实验表明我们的系统相对于现有最先进方法在 MPI Sintel 数据集上产生了更准确的摄像机轨迹，并在全静态场景上保持合理的摄像机姿态准确度，这也印证了基于光流和点轨迹的密集间接方法的潜力。

    Jul, 2022

  • 多帧光流估计的融合方法

    本文提出了一种简单而有效的多帧光流估计的融合方法，该方法利用了长期的时间线索，首先将前几帧的光流投影到当前帧，然后将这些光流之间携带的互补信息融合为一个新的光流场，并在 MPI Sintel 和 KITTI 2015 基准测试中排名第一。

    Oct, 2018

  • FlowMOT：基于场景流的三维多目标跟踪

    本文提出了一种基于 LiDAR 的三维多目标跟踪框架 FlowMOT，该框架结合了点运动信息和传统的匹配算法，通过使用匈牙利算法生成最优匹配关系来完成跟踪任务。实验结果表明，该方法胜过最近的端到端方法，并且在各种速度场景下可以稳定地工作。

    Dec, 2020

  • 基于人群密度图中的网络流量的目标多目标追踪算法

    本文提出了一种新的基于人群密度图的多目标追踪（MOT）算法 —— 计数式追踪。通过联合建模检测、计数和跟踪多个目标为网络流算法，该算法同时找到全局最优的多个目标检测和轨迹。该方法在人员、细胞和鱼群跟踪等各领域的公共基准测试中表现出了良好的结果。

    Jul, 2020

  • E-RAFT: 来自事件相机的稠密光流

    本文提出了一种针对事件相机的全新稠密光流计算方法，通过引入特征相关性与顺序处理的设计思路，相比于现有方案在数据集 MVSEC 上将终点误差降低了 23％，并提出一种新的数据集，更能反映现实场景中物体的运动情况，最终结果的终点误差比之前的方案减少了 66%。

    Aug, 2021

  • 聚合本地流描述符的近在线多目标跟踪

    论文提出了一种面向多目标跟踪的测量相似度的方法，把问题表述为一种数据关联问题，并使用多个线索和长期轨迹规范来提高算法的鲁棒性和准确性，并且实验表明该方法在 KITTI 和 MOT 数据集上比现有算法的平均跟踪准确性提高了约 10%。

    Apr, 2015