Recent Advances in Embedding Methods for Multi-Object Tracking: A Survey

要約

マルチオブジェクト トラッキング (MOT) は、ビデオ フレーム全体でターゲット オブジェクトを関連付けて、移動軌跡全体を取得することを目的としています。
ディープ ニューラル ネットワークの進歩とインテリジェントなビデオ分析に対する需要の高まりに伴い、MOT に対するコンピューター ビジョン コミュニティの関心が大幅に高まっています。
埋め込み方法は、MOT におけるオブジェクトの位置推定と時間的同一性の関連付けにおいて重要な役割を果たします。
画像分類、物体検出、再識別、セグメンテーションなどの他のコンピュータ ビジョン タスクとは異なり、MOT の埋め込み手法にはバリエーションが大きく、体系的に分析されまとめられたことはありません。
この調査では、まずパッチレベル埋め込み、単一フレーム埋め込み、クロスフレーム結合埋め込み、相関埋め込み、逐次埋め込み、トラックレット埋め込みを含む 7 つの異なる観点から MOT における埋め込み方法の詳細な分析による包括的な概要を実施します。
、およびクロストラックリレーショナル埋め込み。
さらに、既存の広く使用されている MOT データセットを要約し、埋め込み戦略に従って既存の最先端の手法の利点を分析します。
最後に、いくつかの重要だが十分に研究されていない領域と将来の研究の方向性について説明します。

要約(オリジナル)

Multi-object tracking (MOT) aims to associate target objects across video frames in order to obtain entire moving trajectories. With the advancement of deep neural networks and the increasing demand for intelligent video analysis, MOT has gained significantly increased interest in the computer vision community. Embedding methods play an essential role in object location estimation and temporal identity association in MOT. Unlike other computer vision tasks, such as image classification, object detection, re-identification, and segmentation, embedding methods in MOT have large variations, and they have never been systematically analyzed and summarized. In this survey, we first conduct a comprehensive overview with in-depth analysis for embedding methods in MOT from seven different perspectives, including patch-level embedding, single-frame embedding, cross-frame joint embedding, correlation embedding, sequential embedding, tracklet embedding, and cross-track relational embedding. We further summarize the existing widely used MOT datasets and analyze the advantages of existing state-of-the-art methods according to their embedding strategies. Finally, some critical yet under-investigated areas and future research directions are discussed.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google