Track-MT3

新的因果神经集过滤方法增强了多目标跟踪

研究人员开发了一种名为因果神经集过滤（CNSF）的新方法，用于在线多目标跟踪。该方法通过仅编码当前测量值并将过去证据存储在结构化的递归状态中来改进现有的基于Transformer的跟踪器，从而减少了冗余计算。CNSF集成了独占的Sinkhorn关联、具有矩匹配的Kalman形状更新以及循环伯努利生命周期建模。在模拟中，与Track-MT3方法相比，CNSF在准确性和速度方面均显示出显著的改进，同时所需的参数也更少。