BASE: Probably a Better Approach to Multi-Object Tracking

要約

視覚オブジェクト追跡の分野では、単純な追跡アルゴリズムとアドホックなスキームを組み合わせた方法が主流です。
他の分野ではリードしている確率的追跡アルゴリズムが、驚くべきことにリーダーボードに載っていません。
私たちは、ターゲットの運動学における距離を考慮し、検出器の信頼性を活用し、不均一なクラッター特性をモデル化することが、確率的トラッカーが視覚的追跡で機能するために重要であることを発見しました。
以前の確率的手法は、これらの側面のほとんどまたはすべてに対処できず、それが現在の最先端 (SOTA) 手法に大きく遅れをとっている理由であると私たちは考えています (MOT17 のトップ 100 には確率的トラッカーがありません)。
確率的アプローチの進歩を再燃させるために、これらの課題に対処する一連の実用的なモデルを提案し、それらを確率的フレームワークに組み込む方法を実証します。
我々は、Re-Id を使用せずに MOT17 および MOT20 で最先端 (SOTA) を達成する、シンプルでパフォーマンスが高く、簡単に拡張可能なビジュアル トラッカーである BASE (Bayesian Upper 1-仮説推定器) を紹介します。
コードは https://github.com/ffi-no で利用可能になります。

要約(オリジナル)

The field of visual object tracking is dominated by methods that combine simple tracking algorithms and ad hoc schemes. Probabilistic tracking algorithms, which are leading in other fields, are surprisingly absent from the leaderboards. We found that accounting for distance in target kinematics, exploiting detector confidence and modelling non-uniform clutter characteristics is critical for a probabilistic tracker to work in visual tracking. Previous probabilistic methods fail to address most or all these aspects, which we believe is why they fall so far behind current state-of-the-art (SOTA) methods (there are no probabilistic trackers in the MOT17 top 100). To rekindle progress among probabilistic approaches, we propose a set of pragmatic models addressing these challenges, and demonstrate how they can be incorporated into a probabilistic framework. We present BASE (Bayesian Approximation Single-hypothesis Estimator), a simple, performant and easily extendible visual tracker, achieving state-of-the-art (SOTA) on MOT17 and MOT20, without using Re-Id. Code will be made available at https://github.com/ffi-no

arxiv情報

提供元, 利用サービス

arxiv.jp, Google