研究人员开发了Polycepta，一个用于多目标跟踪中以物体为中心的表观状态估计的新框架。与使用静态描述符的传统方法不同，Polycepta递归地估计并持续更新每个物体的独立表观状态，从而随着时间的推移提高准确性。这种方法可以估计未知类别的表观，并在KITTI等基准测试中展示了显著的性能提升，包括身份切换的减少和最先进的结果。 AI
影响 这种以物体为中心的表观估计方法可以提高各种应用中实时跟踪系统的准确性和效率。
排序理由 该集群描述了一篇关于多目标跟踪新框架的最新研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.23604v2 Announce Type: replace-cross Abstract: The tracking-by-detection paradigm in multi-object tracking (MOT) typically relies on static appearance descriptors to complement motion estimation. However, these descriptors are frame-independent, limiting their robustne…
The tracking-by-detection paradigm in multi-object tracking (MOT) typically relies on static appearance descriptors to complement motion estimation. However, these descriptors are frame-independent, limiting their robustness as visual cues. Since such descriptors are often obtain…