萨姆巴:多目标跟踪的同步序列集建模
原文中文,约300字,阅读约需1分钟。发表于: 。本研究针对复杂场景中的多目标跟踪问题,提出了一种新颖的线性时间序列集模型Samba,能够同步处理多个轨迹片段并建模长程依赖关系。通过将Samba整合进跟踪传播框架,提出了SambaMOTR,能够有效解决轨迹片段间的相互依赖和时间遮挡问题,显著提高了在多个数据集上的跟踪精度。
本文分析了Kalman滤波器在复杂动态环境中的局限性,并研究了基于学习的替代模型。提出的MambaTrack在DanceTrack和SportsMOT数据集上表现出色。改进版MambaTrack+在DanceTrack数据集上取得了56.1 HOTA和54.9 IDF1的最新成绩。