关于代价结构在MOT视觉的应用Cost Volume(CVPR2021)--Track to Detect and Segment: An Online Multi-Object Tracker

最新推荐文章于 2024-07-27 21:03:41 发布

听我的错不了

最新推荐文章于 2024-07-27 21:03:41 发布

阅读量489

点赞数 2

本文链接：https://blog.csdn.net/weixin_45032769/article/details/114932561

版权

TraDeS Tracker结合了Cost Volume技术进行多目标跟踪，通过学习re-ID嵌入和推断跟踪偏移量，提高了对复杂场景的检测和跟踪效果。Cost Volume用于构建两帧间点的匹配相似性，通过softmax和最大池化计算跟踪偏移，为特征传播提供运动线索。

摘要由CSDN通过智能技术生成

Cost Volume.
The cost volume technique has been success-
fully applied in depth estimation [11, 55, 18] and optical
flow estimation [35, 10, 53] for associating pixels between
two frames. This motivates us to extend cost volume to a
multi-object tracker, which will be demonstrated to be ef-
fective in learning re-ID embeddings and inferring tracking
offsets in this paper. Our approach may inspire future works
using cost volume in tracking or re-identification.

Cost Volume结构

这项技术已经在深度估计[11,55,18]和光流估计[35,10,53],用于估计两帧之间的关联像素。这促使我们将cost volume结构扩展到多目标跟踪器，这将在本文中被证明对于学习reid的嵌入和推断其跟踪偏移量是有效的。我们的方法可能会启发到未来使用这项技术进行跟踪或者reid的工作.