MCG-NJU/MOTIP

解决的问题

MOTIP 通过将多目标跟踪 (MOT) 重新定义为上下文内 ID 预测问题来应对挑战。它不采用传统的基于检测的跟踪方法，而是旨在为跨帧的检测结果分配一致的 ID 标签，从而在时间维度上保持稳定的物体身份。

工作原理

MOTIP 将跟踪视为 sequence-to-sequence 问题。给定一组包含先前帧 ID 信息的轨迹，模型可以直接解码当前帧检测结果的 ID 标签。这种方法通过将 ID 分配视为基于现有轨迹上下文的预测，简化了跟踪过程。

适用对象

致力于多目标跟踪研究的计算机视觉研究人员和开发人员，特别是那些正在寻找传统基于关联的跟踪流水线替代方案的人员。

亮点

• 上下文内 ID 预测：将 MOT 重新定义为预测任务，而非简单的关联任务。
• 近乎实时的跟踪：支持快速推理，包括用于提高速度的 FP16 精度。
• 基于 DETR 的架构：构建在 Deformable DETR 和 MOTR 之上。
• CVPR 2025：该方法已在 CVPR 2025 论文中提出。