多目标追踪——【Transformer】Global Transformer Tracking

论文链接：https://arxiv.org/pdf/2203.13250.pdf

Tracking-by-detection范式

当前多目标追踪大多遵循了Tracking-by-detection范式完成跟踪任务。Tracking-by-detection范式将追踪任务分为两步完成：目标检测与数据关联。这样的解决思路也使得当前许多Tracking-by-detection的追踪器将关注点放到了如何进行有效的数据关联。

• 对于Local Tracker的关联思路主要是进行逐帧的匹配关联，又称pairwise association，是一种贪心的局部最优方式，当追踪序列中目标一直在，这样的方式性能佳，但是当发现长时间遮挡或者外观巨变，这样的方法就失效了。我之前写的关于*MOTR*这篇论文就是这样一个局部关联的Tracker。
• 对于Global Tracker是基于图论等进行全局优化，这就使得它可以将不连续出现的目标匹配到一起，更鲁棒，但是速度慢，因为要预先得到许多帧的追踪目标才行，这样也使得追踪直接和检测分离。
  

文章侧重点

1. 本篇论文的模型分为两部分：目标检测器和目标匹配器（GTR）。模型的输入是一段图片序列（文中为32帧），其中，目标检测器负责输出一段图片帧中的所有目标的边界框，GTR负责将这些目标匹配起来，输出检测给的边界框完成追踪任务，即输出是匹配了轨迹的序列。这点就使其成为Global Trackier。因为它是非逐帧关联，而是在一段序列（时间窗口）里进行所有检出目标的全局式关联。
2. 这样的模型就引出了一个问题，目标检测器的好坏对整个模型的性能是比较关键的。因为后阶段的目标匹配