Sparse Message Passing Network with Feature Integration for Online Multiple Object Tracking

要約

既存のマルチプル・オブジェクト・トラッキング（MOT）手法は、トラッキング性能を向上させるために複雑なアーキテクチャを設計しています。しかし、入力情報の適切な構成がないため、頑健な追跡ができず、頻繁なアイデンティティスイッチに悩まされている。本論文では、これらの制限を解決するために、シンプルなオンラインメッセージ転送ネットワーク(MPN)と共に、2つの新しい手法を提案する。まず、グラフのノードとエッジの埋め込みについて、様々な統合方法を検討し、新しいIoU (Intersection over Union) ガイド関数を提案することで、長期追跡を向上させ、IDスイッチに対応できるようにする。第二に、階層的なサンプリング戦略を導入し、スパースグラフを構築することで、より困難なサンプルに学習を集中させることを可能にする。実験により、これら2つの手法を用いたオンラインMPNは、多くの最先端手法よりも優れた性能を発揮することが示された。さらに、我々の関連付け手法は一般化され、プライベート検出ベースの手法の結果を改善することができる。

要約(オリジナル)

Existing Multiple Object Tracking (MOT) methods design complex architectures for better tracking performance. However, without a proper organization of input information, they still fail to perform tracking robustly and suffer from frequent identity switches. In this paper, we propose two novel methods together with a simple online Message Passing Network (MPN) to address these limitations. First, we explore different integration methods for the graph node and edge embeddings and put forward a new IoU (Intersection over Union) guided function, which improves long term tracking and handles identity switches. Second, we introduce a hierarchical sampling strategy to construct sparser graphs which allows to focus the training on more difficult samples. Experimental results demonstrate that a simple online MPN with these two contributions can perform better than many state-of-the-art methods. In addition, our association method generalizes well and can also improve the results of private detection based methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL