- SFSORT：基于场景特征的简易在线实时跟踪器
该论文介绍了 SFSORT，这是基于 MOT Challenge 数据集上的实验而开发的世界上速度最快的多目标跟踪系统。通过引入一种新的成本函数，称为边界框相似性指数，该系统实现了准确且计算效率高的跟踪器，消除了卡尔曼滤波器，从而减少了计算 - 深度 MDP：多目标跟踪的模块化框架
该研究论文介绍了一种基于马尔可夫决策过程（MDP）的快速模块化多目标跟踪框架，可用于各种应用领域，并提供了一个交互式 GUI，集成了目标检测、分割、多目标跟踪和半自动标注等功能，以帮助使用者更容易入门。虽然在性能方面没有突破性的进展，但 D - 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。
- 基于检测定位置信度的深度关联多目标跟踪框架：定位导向的跟踪
基于检测的跟踪方法中，我们提出了一种考虑检测框定位置信度的本文的 LG-Track 方法，通过综合考虑检测框的外观相似性和定位准确性，设计了一种有效的深度关联机制，在 MOT17 和 MOT20 数据集上的实验结果表明，我们的方法优于现有的 - ICCVTrackFlow: 多目标跟踪与归一化流
通过概率建模解决多目标追踪中的多模态信息融合问题，提高了多个基于检测的追踪算法的性能。
- 连接端到端和非端到端多目标跟踪之间的差距
Co-MOT 是一种简单有效的方法，通过阴影概念的新颖合作竞争标签分配来促进端到端的多目标跟踪，使得标签分配策略更加平衡，以优越的性能获得追踪表现。
- 基于 Transformer 的多目标跟踪分配决策网络
本研究提出了一种基于 Transformer 的决策网络模型 (TADN)，无需在推理过程中进行显式优化，可在单个正向传递网络中直接推断检测和活动目标之间的关系，通过一种简单的 MOT 框架进行实现，并展示了在 MOT17 和 UA-DET - CVPR简单信号引导下的强多目标跟踪器
本文探讨了多目标跟踪中的 tracking-by-detection 模式，结合运动模型与数据驱动技术，使标准的 re-identification 网络在外观跟踪方面取得了极佳的结果，并在四个公共数据集上实现了最先进的表现。
- 用于多目标跟踪的绝热量子计算
本论文提出了第一个针对使用 AQC 求解的 MOT 公式。通过使用描述在 AQC 上实现的量子力学系统的 Ising 模型，我们证明了该方法即使在使用现成的整数规划求解器时也可以与最先进的基于优化的方法竞争。最后，我们证明了 MOT 问题在 - SimpleTrack: 3D 多目标跟踪的理解和反思
本文总结了目前三维多目标跟踪方法并提出了 SimpleTrack 算法，指出了现有方法的缺陷并为其提出改进方案；在 Waymo Open Dataset 和 nuScenes 数据集上得到了新的最佳结果。本文还分析了现有数据集对算法真实能力 - CVPR使用一次提案多次预测检测和匹配相关目标
本文提出了一种简单而高效的方法来同时检测和匹配运动员及其相关物体，无需增加额外的成本，通过对广播冰球视频数据集的评估，在冰球数据集上，所提出的方法将比赛成绩从 57.1% 提高至 81.4%，同时还将球员 + 球棍检测的 meanAP 从 - CVPRDEFT: 检测嵌入用于跟踪
本文提出了一种名为 DEFT 的高效的联合检测和跟踪模型，它使用外观匹配网络和对象检测网络共同学习，并添加了 LSTM 来捕获运动约束，DEFT 在应用于更具挑战性的跟踪数据时具有更高的健壮性。
- ICCV视觉目标跟踪的半自动注释
本论文提出了一种半自动化的包围盒标注方法，利用跟踪 - 检测方法和时间信息，采用现成的目标检测器训练，利用多重假设追踪 (MHT) 来提高检测结果的可靠性，并使用人工评估来进行迭代标注。通过实验显示，该方法可以将标注工作量减少 96%。
- CVPR基于时间聚合网络和动态模板匹配的快速视频对象分割
本文介绍了一种将 “tracking-by-detection” 引入视频对象分割的方法，通过提出一种新的时间聚合网络和新的动态时间演进模板匹配机制，成功将分割与跟踪相一致，并在 DAVIS 基准测试中取得了新的最优表现。
- 通过邻居图增强多目标跟踪中的关联性
该论文提出了一种改进的多目标跟踪方法，利用邻居之间的信息，通过构建邻居图和应用图卷积网络来学习图形特征，从而提高在线多目标跟踪的性能。
- CVPRRetinaTrack：基于单阶段的联合检测与跟踪算法
RetinaTrack 是一种用于自动驾驶的联合的、简单而高效的多目标跟踪和目标检测模型，相较于当前业界最先进的跟踪算法有更好的表现且需要更少的计算量。
- CVPR多目标跟踪的神经求解器学习
本文提出了一种基于消息传递网络的全可微分多目标追踪框架，可以直接在图形领域进行操作，实现对于整个检测集的全局推理和最终解决方案的预测，证明了在多目标追踪领域，学习不仅需要局部特征提取，还可以应用于数据关联步骤，并在三个公开基准测试中取得了显 - ECCV实时多目标跟踪
本文提出了一个允许在共享模型中学习目标检测和外观嵌入的 MOT 系统，并进一步提出了一个简单快速的联合方法。这两个组件的计算成本与以前的 MOT 系统相比显着降低，为未来实时 MOT 算法设计提供了一个简洁快速的基准线。与分离检测和嵌入（S - 基于动态记忆网络的视觉追踪
该研究提出了一种动态记忆网络用于视觉跟踪，能够自适应目标外观变化以提高跟踪准确度，避免模型过度学习，辅助分类损失有助于提升跟踪性能，同时耗时小。
- 基于时空 DenseNet 的自主地面车辆的行人实时意图预测
本文提出了一种基于图像序列的单目 RGB 相机的实时框架，使用区别于基线方法的跟踪 - 检测技术和创新的时空 DenseNet 模型识别、跟踪和预测行人在城市交通环境中的意图和动作，以实现对自主地面车辆行为的理解。实验表明，该方法在实时性和