CVPR2022 多目标跟踪（MOT）汇总

一、《DanceTrack: Multi-Object Tracking in Uniform Appearance and Diverse Motion》

作者: Peize Sun, Jinkun Cao, Yi Jiang, Zehuan Yuan, Song Bai, Kris Kitani, Ping Luo
The University of Hong Kong, Carnegie Mellon University, ByteDance Inc

论文链接：https://arxiv.org/pdf/2111.14690.pdf
Github：https://github.com/DanceTrack/DanceTrack

1、摘要

当前的多目标跟踪采用检测器来进行目标定位，并用ReID模型来实现数据关联。然而在现在的MOT Challenge数据集中，目标的外观是具有足够的区分性的，而这种区分性使得ReID模型很容易区分目标，实现数据关联。此外，当前的数据集中目标的运动模式比较简单，目标运动都可以被近似为匀速线性运动。而这种目标与现实场景中的数据关联是存在一些bias的，我们实际中通常跟踪的目标具有相同的外观表征，同时其运动姿态也会更多样。为此，本文作者提出了一个“DanceTrack”的数据集，希望其能提供一个更好的平台来开发更多的MOT算法，更少地依赖于视觉辨别，更多地依赖于运动分析。

2、方法

在上述中，已经提到了DanceTrack的提出动机，下图也是数据集中的一些示例。

以下是DanceTrack与MOT Challenge数据集的比较。

🔺在论文中也给出了很详细地分析，这个数据集的提出也说明了未来多目标跟踪研究的一个趋势，会去关注运动更加复杂，目标外观更相似的场景（后续的SoccerNet也有相似的Motivation）。

二、《SoccerNet-Tracking: Multiple Object Tracking Dataset and Benchmark in Soccer Videos》

作者: Anthony Cioppa, Silvio Giancola, Adrien Deliege, Le Kang, Xin Zhou, Zhiyu Cheng, Bernard Ghanem, Marc Van Droogenbroeck
University of Li`ege, KAUST, Baidu Research

论文链接：https://arxiv.org/pdf/2204.06918.pdf
Github：www.soccer-net.org