本研究通过图形表示法解决在线多摄像头车辆追踪中的效率低和错误累积问题，实现时空聚类，提高追踪准确性。在CityFlow和Synthehicle数据集上，IDF1指标分别提升了14%和25%。

本文介绍了一种创新的多摄像头车辆追踪系统，利用自监督的摄像头链接模型和时空约束，实现了在多移动相机环境下的多目标跟踪。该系统在CityFlow V2基准测试中取得了61.07%的IDF1得分，展示了其高效性和成本效益。此外，研究提供了一个大规模数据集MTMMC，包含多模态摄像机捕获的视频序列，为多摄像头跟踪研究提供了挑战性测试平台。