TPAMI 2024 | 可学习的图匹配：数据关联的实用范式

题目：Learnable Graph Matching: A Practical Paradigm for Data Association

可学习的图匹配：数据关联的实用范式

作者：Jiawei He; Zehao Huang; Naiyan Wang; Zhaoxiang Zhang

源码链接： https://github.com/jiaweihe1996/GMTracker

---

摘要

数据关联是许多计算机视觉任务的核心，例如多目标跟踪、图像匹配和点云配准。然而，当前的数据关联解决方案存在一些缺陷：它们大多忽略了视图内的上下文信息；此外，它们要么以端到端的方式训练深度关联模型，难以利用基于优化的分配方法的优势，要么仅使用现成的神经网络提取特征。在本文中，我们提出了一种通用的可学习图匹配方法来解决这些问题。特别是，我们将视图内的关系建模为无向图。然后数据关联转变为图之间的一般图匹配问题。此外，为了使优化过程可端到端微分，我们将原始的图匹配问题松弛为连续二次规划，然后结合KKT条件和隐函数定理，将训练整合到深度图神经网络中。在MOT任务中