.png){kind=icon}
返回
Language Supervised Multi-Camera Multi-Object Tracking
.png){kind=icon}
PRE
AI
DOI：10.1109/TIP.2026.3699088.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近期多摄像头多目标跟踪（MCMOT）算法主要采用基于每帧检测的身份标注进行训练，而获取此类标注较为复杂。相比之下，为每个目标标注语言描述是一种更自然且人性化的方式。本文探索了基于语言监督的多摄像头多目标跟踪（LS-MCMOT），并提出了一种新颖方法LaVST，该方法基于轨迹级跨模态匹配生成的可靠伪标签，进行语言到视觉的弱监督学习。此外，我们设计了一种身份感知投影自修正机制，以自监督方式修正图像到地面投影的不准确问题。采用我们方法训练的模型在LS-MCMOT中表现出有前景的性能，令人惊讶的是，它们在跨数据集评估中表现优于现有基于身份监督的最优方法（IDF1指标平均提升20.0%），凸显了语言标注在MCMOT中的潜力。代码和语言标注将在此处提供。
Keyword:
Multi-camera multi-object tracking
language supervision
tracklet-level matching
projection self-correction
期刊
IF:
13.7
论文数:
1.1W
被引数:
8.4W
机构
引用论文
暂无论文信息