论文标题：Local Metrics for Multi-Object Tracking 论文链接：https://arxiv.org/abs/2104.02631 作者单位：Google Research

本文强调了关联性在非严格指标中对MOT造成的困境。本文提出用于多目标跟踪的Local Metrics！可将IDF1指标扩展到 LIDF1，ATA指标扩展到 ALTA。

本文介绍了用于多目标跟踪的时间定位度量。这些度量是通过将基于跟踪匹配的现有度量限制到有限的时间范围而获得的，并提供了对跟踪器随时间保持 identity的能力的新insight。此外，horizo​​ntal参数提供了一种新颖的，有意义的机制，通过它可以定义检测和关联的相对重要性，这是可以容忍不完美关联的应用中的常见难题。结果表明，历史平均跟踪准确度（ATA，historical Average Tracking Accuracy）指标对关联具有较高的敏感性，从而使其提出的local变体 ALTA能够捕获广泛的特征。特别是，ALTA能够更好地识别与检测无关的关联进展。本文进一步介绍了ATA的错误分解，揭示了四种不同错误类型的影响，并且同样适用于ALTA。在MOT 2017和Waymo Open Dataset基准测试中展示了ALTA的诊断功能。

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