近年来，将检测和ReID统一到一个网络之中来完成多目标跟踪的方法取得了巨大的突破，且引起了研究人员的广泛关注。然而当前的一体化跟踪器仅依赖于单帧图片进行目标检测，在遇到一些现实场景的干扰，如运动模糊、目标相互遮挡时，往往容易失效。一旦检测方法因为特征的不可靠而将当前帧的目标错判成背景时，难免会破坏目标所对应的轨迹的连贯性。

在本文中，我们提出了一个再查询网络来召回被错分为“假背景”的目标框。该再查询网络创新性地将ID向量的功能从匹配扩展到运动预测，从而实现以较小的计算开销将已有目标的轨迹有效地传播到当前帧。而通过ID向量为媒介进行时序信息传播，所生成的迁移信息有效地防止了模型过度依赖于检测结果。因此，再查询网络有助于一体化方法召回“假背景”同时修复破碎的轨迹。

基于已有的一体化方法CSTrack，本文构建了一个新颖且高性能的一体化跟踪器，其在MOT16和MOT17两个基准上分别取得了巨大的增益，即相比于CSTrack，MOTA分数从70.7/70.6提高到76.4/76.3。此外，它还取得了新SOTA的MOTA和IDF1性能。

论文标题：

One More Check: Making “Fake Background” Be Tracked Again

作者：

Chao Liang , Zhipeng Zhang , Xue Zhou, Bing Li, Weiming Hu

论文地址：

https://arxiv.org/abs/2104.09441

代码：

https://github.com/JudasDie/SOTS