摘要

由于在准确率与速度之间取得了良好平衡，联合学习检测与身份识别嵌入的一次性模型（one-shot models）在多目标跟踪（Multi-Object Tracking, MOT）领域受到了广泛关注。然而，在一次性跟踪范式中，检测与重识别（ReID）被视作两个独立任务，导致其内在差异与关联关系往往被忽视，从而使得模型性能相较于现有的两阶段方法仍显不足。本文首次剖析了检测与ReID任务之间的推理过程，揭示出二者之间的竞争关系不可避免地会破坏任务相关表示的学习。为解决这一问题，我们提出一种新颖的互惠网络（Reciprocal Enhanced Network, REN），采用自关系（self-relation）与跨关系（cross-relation）协同设计，促使各分支更有效地学习任务特异性表示，以缓解任务间的负面竞争，同时增强检测与ReID之间的协同作用。此外，我们引入一种尺度感知注意力网络（Scale-Aware Attention Network, SAAN），有效避免语义层面的错位，进一步提升ID嵌入的关联能力。通过将上述两个精心设计的网络模块集成至一次性在线MOT系统中，我们构建了一种性能强大的跟踪器——CSTrack。实验结果表明，CSTrack在MOT16、MOT17和MOT20数据集上均达到了当前最优水平，且无需额外的后处理或复杂组件。同时，CSTrack具有高效性，在单张现代GPU上可达到16.4 FPS的推理速度，其轻量化版本甚至可实现34.6 FPS。完整代码已开源，地址为：https://github.com/JudasDie/SOTS。