MCG-NJU/MOTIP

해결하는 문제

MOTIP는 다중 객체 트래킹(MOT)의 과제를 인컨텍스트 ID 예측 문제로 재구성하여 해결합니다. 전통적인 tracking-by-detection 방식 대신, 프레임 전반에 걸쳐 탐지된 객체에 일관된 ID 레이블을 할당하여 시간이 지나도 안정적인 객체 정체성을 유지하는 것을 목표로 합니다.

작동 원리

MOTIP는 트래킹을 sequence-to-sequence 문제로 취급합니다. 이전 프레임의 ID 정보가 포함된 궤적 세트가 주어지면, 모델은 현재 프레임의 탐지 결과에 대한 ID 레이블을 직접 디코딩합니다. 이 접근 방식은 ID 할당을 기존 궤적의 컨텍스트를 기반으로 한 예측으로 처리함으로써 트래킹 프로세스를 단순화합니다.

대상

다중 객체 트래킹을 연구하는 컴퓨터 비전 연구자 및 개발자, 특히 전통적인 연관 기반 트래킹 파이프라인의 대안을 찾는 분들에게 적합합니다.

주요 특징

• 인컨텍스트 ID 예측: MOT를 단순한 연관 작업이 아닌 예측 작업으로 재구성합니다.
• 거의 실시간 트래킹: 속도 향상을 위한 FP16 정밀도를 포함하여 빠른 추론을 지원합니다.
• DETR 기반 아키텍처: Deformable DETR 및 MOTR를 기반으로 구축되었습니다.
• CVPR 2025: 이 방법은 CVPR 2025 논문에서 제시되었습니다.