MCG-NJU/MOTIP

解決的問題

MOTIP 透過將多目標追蹤 (MOT) 重新定義為上下文內 ID 預測問題來應對挑戰。它不採用傳統的基於檢測的追蹤方法，而是旨在為跨幀的檢測結果分配一致的 ID 標籤，從而在時間維度上保持穩定的物體身份。

工作原理

MOTIP 將追蹤視為 sequence-to-sequence 問題。給定一組包含先前幀 ID 資訊的軌跡，模型可以直接解碼當前幀檢測結果的 ID 標籤。這種方法透過將 ID 分配視為基於現有軌跡上下文的預測，簡化了追蹤過程。

適用對象

致力於多目標追蹤研究的電腦視覺研究人員與開發人員，特別是那些正在尋找傳統基於關聯的追蹤流水線替代方案的人員。

亮點

• 上下文內 ID 預測：將 MOT 重新定義為預測任務，而非簡單的關聯任務。
• 近乎實時的追蹤：支援快速推理，包括用於提高速度的 FP16 精度。
• 基於 DETR 的架構：構建在 Deformable DETR 與 MOTR 之上。
• CVPR 2025：該方法已在 CVPR 2025 論文中提出。