论文标题：DanceTrack: Multi-Object Tracking in Uniform Appearance and Diverse Motion

论文链接：https://arxiv.org/abs/2111.14690

代码链接：https://github.com/DanceTrack/DanceTrack

项目链接：https://dancetrack.github.io/

知乎链接：https://zhuanlan.zhihu.com/p/501523778

作者单位：香港大学 & CMU & 字节跳动

多目标跟踪 (MOT) 的典型流程是使用检测器进行目标定位，然后使用重新识别 (re-ID) 进行目标关联。该pipeline部分受目标检测和重新识别方面的最新进展的推动，部分受现有跟踪数据集中的偏差推动，其中大多数对象往往具有独特的外观，重新识别模型足以建立协会。针对这种偏见，我们想再次强调，当对象外观没有足够的辨别力时，多对象跟踪方法也应该起作用。为此，我们提出了一个用于多人跟踪的大规模数据集，其中人类具有相似的外观、多样的运动和极端的关节。由于数据集主要包含群舞视频，我们将其命名为“DanceTrack”。我们希望 DanceTrack 能够提供一个更好的平台来开发更多的 MOT 算法，这些算法更少依赖于视觉辨别，更多地依赖于运动分析。我们在数据集上对几个最先进的跟踪器进行了基准测试，与现有基准相比，DanceTrack 的性能显着下降。

内容中包含的图片若涉及版权问题，请及时与我们联系删除