QDTrack：用于仅外观多目标跟踪的准稠密相似性学习

相似性学习已被公认为目标跟踪中的关键步骤。然而，现有的多目标跟踪方法仅以稀疏的真值匹配作为训练目标，忽略了图像中大多数具有信息量的区域。本文提出了一种准密集相似性学习（Quasi-Dense Similarity Learning），该方法在图像对中密集采样数百个目标区域，用于对比学习。我们将这一相似性学习机制与多种现有的目标检测器相结合，构建了准密集跟踪框架（Quasi-Dense Tracking, QDTrack），该框架无需进行位移回归或依赖运动先验。我们发现，由此获得的特征空间具有良好的判别性，使得在推理阶段仅通过简单的最近邻搜索即可实现高效的目标关联。此外，我们证明了该相似性学习策略并不仅限于视频数据，即使在静态输入下也能学习到有效的实例相似性，从而在未经过视频训练或未使用跟踪监督的情况下，实现具有竞争力的跟踪性能。我们在多种主流多目标跟踪（MOT）基准上进行了广泛的实验。结果表明，尽管QDTrack结构简洁，但在所有基准上均达到了与当前最先进方法相当的性能，并在大规模BDD100K MOT基准上刷新了新的性能纪录，同时对检测器引入的计算开销几乎可以忽略不计。