藏晖的博客

在视觉目标跟踪（VOT）和视频目标分割（VOT，VOS）的共同目的。一些研究已经尝试过联合跟踪和分割，但在初始化和预测中往往缺乏box和mask的完全兼容性，主要集中在单对象场景上。为了解决这些限制问题，本文提出了一种用于统一跟踪和分割的多对象mask和box集成框架，称为MITS。首先，提出了统一的识别模块来支持初始化的box引用和mask参考，其中详细的对象信息从box中推断或直接从mask中保留。此外，还提出了一种新的精确框预测器，用于精确的多目标框预测，促进了面向目标的表示学习。

CVPR2022 MOT文章汇总

本文总结近期三篇对Sort和DeepSort改进的工作，Sort和DeepSort以及JDE的推理流程可以参考之前的文章：Sort和Deepsort原理解析及在JDE和Fairmot中的应用一、ByteTrack: Multi-Object Tracking by Associating Every Detection Box论文链接：https://arxiv.org/pdf/2110.06864.pdfGithub：https://github.com/ifzhang/ByteTrack1、Mo

AAAI2022 多目标跟踪文章总结

ICCV2021 多目标跟踪文章汇总

《DO DIFFERENT TRACKING TASKS REQUIRE DIFFERENT APPEARANCE MODELS?》——阅读笔记Paper：https://arxiv.org/pdf/2107.02156.pdfGithub ：https://github.com/Zhongdao/UniTrack摘要：跟踪视频中感兴趣的对象是计算机视觉中最流行和最广泛适用的问题之一。然而，随着近些年的发展，大量关于案例和数据集基准的探索已经将跟踪问题分散到了不同的实验设置中。因此，文章也是碎片化的

一、简介：PANDA（gigaPixel-level humAN centric video Dataset）是清华大学团队构建的国际上首个动态大场景多对象数据平台，场景平均覆盖平方千米级范围，可同时观测数千人，百米外人脸清晰可识别，视频分辨率近10亿像素。本数据集的目的是吸引更多的计算机视觉研究者关注动态大场景多对象数据处理算法的研究，促使检测、追踪等视觉任务在十亿像素视频数据上得以解决。官网：gigavision.cn论文链接：https://ieeexplore.ieee.org/stamp/s

CVPR2021 多目标跟踪（MOT）方向文章检索到了9篇，如有遗漏，麻烦告知，谢谢。指标对比和论文下载地址已经更新到我们所做的指标对比库，欢迎大家查阅。https://github.com/JudasDie/Comparison一、《Discriminative Appearance Modeling with Multi-track Pooling for Real-time Multi-object Tracking》作者: Chanho Kim 1, Li Fuxin 2, Mazen A

CSTrack: Rethinking the competition between detection and ReID in Multi-Object Tracking论文链接：https://arxiv.org/abs/2010.12138Github链接：https://github.com/JudasDie/SOTS这是最近开源的一篇MOT的工作，第一版本的代码已经开源（70.7 MOTA in MOT16，70.6 MOTA in MOT17）。✨????新版本的代码也将会在之后开源（

MOT方法总结（主要是2020—2017的方法）——持续更新https://github.com/JudasDie/Comparison/blob/master/Multiple%20Object%20Tracking.md其中归纳了近年来MOT的大部分方法，直到17年，实际上在17年之前也有很多很好的方法，但是那时候现在较为主流的评测基准MOT challange并没有流行起来。所以方法目前只总结到17年，在github中提供了Google drive和百度网盘的下载连接。如果有什么好的方法有遗漏欢迎