Global Tracking Transformers

一.创新：提供了一种新的轨迹生成方式：输入短序列帧，得到所有目标对应的的全局轨迹。

二.思路：首先提取所有帧的检测值，然后提取所有的目标特征，再用trajectory query与其计算关联得分；有了得分再计算PA，计算完PA，经过训练使得-logPA最小化，就是logPA最大化、PA最大化，这个过程用到了IOU就是在计算损失函数时。之后，以PA为度量尺度使得一个query生成一个全局轨迹。（PA是对关联得分进行了一个sofemax操作，并不影响得分大小，它的作用是让大的值相对更大，小的值相更小）

 

 三.框架：

大概的整体框架

关联得分的计算过程：

四.在推理过程中，文中是以当前帧中的目标特征作为trajectory query来生成全局轨迹的(在训练过程中query是变化的，是以全部的帧的目标特征作为trajectory query进行训练的 。）

推理过程中是通过在滑动窗口（窗口大小是T=32）上运行tracking transformer，用当前帧的目标特征作为trajectory queries 生成Nt个trajectories.因为步长为1，所以当前轨迹会与之前的轨迹之间可能重叠T-1个边界框和特征，所以使用匈牙利算法来确保从当前长期trajectory到现有tracks的映射是唯一的。

新轨迹的产生：（接上段）如果与任何先前轨迹的平均关联分数低于阈值θ，就开始新的track

旧轨迹的消失：我们根据轨迹关联分数的最大值和box-trajectory IoU来关联tracks。我们进一步去除长度小于5的轨迹。