ayushjain1144/trackeverything

这是什么

TrackEverything 是一个来自卡内基梅隆大学和 Meta 的研究项目（论文 + 即将发布的代码），针对一个困难的计算机视觉问题：密集跟踪——在视频中跨帧跟踪每一个点——并且是在长时间跨度（数秒或数分钟，而不仅仅是几帧）内进行。

标题中的核心思想是**“对 3D 场景表示进行去重”**：该方法不是直接在 2D 中跟踪像素（当物体被遮挡、模糊或外观变化时，这种方法会失效），而是构建场景的 3D 表示，并移除冗余/重复的 3D 点，从而使每个被跟踪的点在时间上都是唯一且稳定的。这使得跟踪能够在点消失又重现的长时间跨度内得以维持。

为什么重要

长时间跨度的密集跟踪是机器人技术、AR/VR、视频编辑和 3D 重建的基础构建块——任何需要知道“这个物理点在长视频中去了哪里”的应用。以往的方法会随时间漂移或丢失点；这项工作正是针对这一局限性。

状态

• 论文：可在 arXiv 上获取（链接见 README）
• 项目页面：trackeverything.github.io（含预告演示）
• 代码：尚未发布——README 称“即将推出（也许下周）”

幕后团队

由学术界（CMU）和工业界（Meta）的研究人员组成，其中多人在 3D 视觉和 SLAM 领域有着出色的履历（例如 Tanner Schmidt、Jakob Engel）。

注意事项

README 只是一个简短的论文公告——它给出了标题、作者、链接和引用信息，但没有提供方法的技术细节。以上解释是根据标题和该领域的背景推断出来的，并非来自详细的书面说明。