摘要

大多数现有的在线多目标跟踪方法在神经网络中独立完成目标检测，而未引入任何跟踪信息。本文提出一种新型的在线联合检测与跟踪模型——TraDeS（TRAck to DEtect and Segment），通过利用跟踪线索来端到端地辅助检测任务。TraDeS采用代价体（cost volume）机制推断目标的运动偏移，进而将前一帧的目标特征进行传播，以提升当前帧的目标检测与实例分割性能。实验结果表明，TraDeS在四个数据集上均展现出优异的性能与显著优势，涵盖MOT（2D跟踪）、nuScenes（3D跟踪）、MOTS以及Youtube-VIS（实例分割跟踪）任务。项目主页：https://jialianwu.com/projects/TraDeS.html。