DiffMOT：一种基于扩散的实时多目标跟踪器与非线性预测
内容提要
多目标跟踪研究聚焦运动建模：MotionTrack融合短期与长期运动特征提升关联鲁棒性；DMM-Net利用深度学习估计运动参数，减少对检测器依赖；MapTrack结合概率图与自适应卡尔曼滤波增强遮挡场景表现；扩散模型用于跟踪序列生成与去噪。这些方法在MOT、nuScenes等基准上取得先进效果。
延伸解读
扩散模型在跟踪中的创新应用
文章介绍了DiffMOT，一种基于扩散的实时多目标跟踪器，将检测和关联建模为从配对噪声框到配对真实框的去噪过程。通过渐进去噪扩散策略，模型在推理中通过一步或多步去噪优化随机框，在多个MOT基准上达到与最先进方法相当的性能。这展示了扩散模型在跟踪任务中的潜力，区别于传统的运动建模方法。
运动建模的多样化探索
文章回顾了多目标跟踪中运动建模的多种方法：MotionTrack融合短期和长期运动特征，DMM-Net利用深度学习估计运动参数以减少对检测器的依赖，MapTrack结合概率图和自适应卡尔曼滤波增强遮挡场景表现。这些方法在MOT、nuScenes等基准上取得先进效果，反映了该领域对鲁棒运动建模的持续关注。
扩散模型在相关任务中的扩展
除了DiffMOT，扩散模型还被用于跟踪序列生成（TrackDiffusion）和人体运动预测（DiffMotion）。TrackDiffusion通过生成高质量跟踪序列提升实例一致性，在YTVIS数据集上显著改进多目标跟踪性能；DiffMotion则预测未来姿势序列，在准确度和保真度上优于先前方法。这些工作表明扩散模型在运动相关任务中具有广泛适用性。
Q&A
DiffMOT是什么？它有什么特点？
DiffMOT是一种基于扩散的实时多目标跟踪器，采用非线性预测。它通过灵活的一步或多步去噪扩散过程，将一组随机生成的配对框优化为检测和跟踪结果，在多个MOT基准测试上与当前最先进的方法相当。
DiffMOT是如何工作的？
DiffMOT将物体检测和关联作为从配对噪声框到配对真实框的一致去噪扩散过程来联合建模，通过新颖的渐进去噪扩散策略提升跟踪器效果。在推理中，模型通过灵活的一步或多步去噪扩散过程，将一组随机生成的配对框优化为检测和跟踪结果。
DiffMOT在哪些数据集上进行了实验？效果如何？
DiffMOT在多个MOT基准测试上进行了大范围实验，结果证明该方法与当前最先进的方法相当。
多目标跟踪中运动建模有哪些主要方法？
多目标跟踪研究聚焦运动建模，主要方法包括：MotionTrack融合短期与长期运动特征提升关联鲁棒性；DMM-Net利用深度学习估计运动参数，减少对检测器依赖；MapTrack结合概率图与自适应卡尔曼滤波增强遮挡场景表现；扩散模型用于跟踪序列生成与去噪。这些方法在MOT、nuScenes等基准上取得先进效果。
MotionTrack是什么？它有什么创新？
MotionTrack是一种新型可学习动作预测器，综合结合了两个层级的运动特征以增强时态动态的建模和促进个体物体准确的未来运动预测。它也是一种简单而有效的多目标跟踪器，在统一框架中学习健壮的短期和长期运动，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，在挑战性场景中实现了最先进的性能。此外，还有基于Transformer的多模态传感器输入的端到端多目标跟踪算法（MotionTrack），在nuScenes数据集上获得更好的结果（AMOTA得分为0.55）。
MapTrack是如何提升多目标跟踪在遮挡场景下的鲁棒性的？
MapTrack利用概率图、预测图和协方差自适应卡尔曼滤波器的三个轻量级插件算法，通过增强经典跟踪器DeepSORT在拥挤和遮挡场景中的鲁棒性，实现在常用的多目标跟踪基准集（如MOTS17和MOT20）上的最先进效果。
