Refer-KITTI-V2

新的COAL框架通过VLM和LLM增强多目标跟踪

研究人员开发了一个名为COAL的新框架，以改进指代多目标跟踪，特别是在具有相似对象的复杂场景中。COAL通过使用视觉语言模型（VLM）注入显式语义，并使用LLM进行反事实学习以强制属性验证，来解决稀疏语义监督的挑战。这种方法增强了实例的可区分性，并防止模型依赖于不足的线索，从而实现更鲁棒的组合识别。在Refer-KITTI-V2基准测试中，COAL的HOTA提高了7.28%，超越了现有的最先进方法。