Towards Generalizable Multi-Object Tracking

多目标跟踪（MOT）包括各种跟踪场景，每种场景都有其独特的特点。有效的跟踪器应该在不同的场景中展现出高度的通用性。然而，现有的跟踪器往往难以涵盖所有方面，或者需要进行假设和实验来定制关联信息、运动和/或外观，导致只能针对特定场景的解决方案，通用性有限。本文研究了影响跟踪器在不同场景中泛化的因素，并将其具体化为一组跟踪场景属性，以指导设计更具通用性的跟踪器。此外，我们提出了一种基于点到实例关系的MOT框架，即GeneralTrack，它可以在不同的场景中实现泛化，同时消除了平衡运动和外观的需要。由于其卓越的通用性，我们提出的GeneralTrack在多个基准测试中实现了最先进的性能，并展示了领域泛化的潜力。

本论文旨在解决多目标跟踪中缺乏通用性的问题，提出一种能够在不同场景下实现跟踪的通用方法。

论文提出了一种点对实例关系框架，即GeneralTrack，它能够在不同场景下实现跟踪，同时消除平衡运动和外观的需要。

论文将影响跟踪器在不同场景下通用性的因素具体化为一组跟踪场景属性，以指导更具通用性的跟踪器的设计。实验结果表明，GeneralTrack在多个基准测试中均取得了最先进的性能，并展示了域通用性的潜力。

在最近的相关研究中，也有一些关于多目标跟踪的工作，例如《DeepSORT: A Deep Learning Approach to Object Tracking》和《Towards Real-Time Multi-Object Tracking》等。