BriefGPT - AI 论文速递
·
基于交互多模型的联合单应性矩阵与多目标状态估计
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种基于运动的多目标跟踪方法，通过引入适应性的运动预测器AM-SORT，解决了在涉及非线性运动和遮挡情景时估计未来物体位置的限制。实验证明该方法在预测遮挡下的非线性运动方面有效。
🎯
关键要点
- 提出了一种基于运动的多目标跟踪方法，名为AM-SORT。
- AM-SORT通过引入适应性的运动预测器，替换了传统的卡尔曼滤波器。
- 该方法解决了非线性运动和遮挡情景下估计未来物体位置的限制。
- AM-SORT利用历史轨迹嵌入到转换器中，提取时空特征。
- 在性能上，AM-SORT与DanceTrack上最先进的跟踪器相当，IDF1达到56.3，HOTA达到55.6。
- 大量实验证明该方法在预测遮挡下的非线性运动方面有效。
➡️
