.png){kind=icon}
返回
Multi-Object Tracking with Integrated Appearance and Mamba-Based Motion Features
.png){kind=icon}
PRE
AI
DOI：10.1007/s11760-026-05388-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多目标跟踪在计算机视觉中发挥着关键作用，广泛应用于监控、自动驾驶和视频分析等领域。在现实场景中，快速物体运动和频繁遮挡常导致外观信息模糊或缺失，进而降低检测精度并导致轨迹关联失败。此类挑战严重削弱了跟踪的鲁棒性和准确性。为解决上述问题，本研究提出MTrack，一种新型多目标跟踪框架，该框架整合了外观和运动线索。受状态空间建模启发，具体而言，我们首先利用Mamba状态空间模型设计了一个运动特征模块，用于捕捉帧间物体在水平和垂直方向上的运动特征，以获取全局运动特征。随后，我们设计了一个运动-外观耦合模块，有效整合了前一帧的外观特征与建模的运动特征，从而在无法可靠获取外观线索时增强模型对物体的定位能力。MTrack在多个基准数据集（包括MOT17、MOT20、DanceTrack和SportsMOT）上取得了优异性能，并在HOTA和IDF1等关键指标上显著优于现有方法，展示了其有效性和泛化能力。源代码可在https://github.com/Fiounding/MTrack获取。
Keyword:
Multi-object tracking
Mamba
Motion modeling
期刊
IF:
2.1
论文数:
908
被引数:
4.6K
机构
引用论文
分享收藏Siamese network with transformer and saliency encoder for object tracking.png)
APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏
分享收藏
分享收藏分享收藏
查看更多内容