摘要

相似学习在目标跟踪中被认为是至关重要的一步。然而，现有的多目标跟踪方法仅使用稀疏的真实匹配作为训练目标，而忽略了图像上的大多数信息区域。本文提出了一种准密集相似学习（Quasi-Dense Similarity Learning）方法，该方法在一对图像上密集采样数百个区域提议以进行对比学习。我们可以直接将这种相似学习与现有的检测方法结合，构建准密集跟踪（Quasi-Dense Tracking, QDTrack），而无需依赖位移回归或运动先验。我们还发现，由此产生的独特特征空间允许在推理时进行简单的最近邻搜索。尽管其简单性，QDTrack 在 MOT、BDD100K、Waymo 和 TAO 跟踪基准上均优于所有现有方法。它在 MOT17 上不使用外部训练数据的情况下达到了 68.7 的 MOTA 指标和 20.3 FPS 的帧率。与具有类似检测器的方法相比，QDTrack 在 BDD100K 和 Waymo 数据集上显著提高了近 10 个百分点的 MOTA 指标，并大幅减少了身份切换的数量。我们的代码和训练模型可在 http://vis.xyz/pub/qdtrack 获取。