Hybrid-SORT：弱提示在在线多目标追踪中同样重要

多目标跟踪（Multi-Object Tracking, MOT）旨在跨帧检测并关联所有目标对象。现有大多数方法通过显式或隐式利用强线索（如空间位置与外观信息）来完成该任务，这些线索在实例级区分上表现出强大的能力。然而，当目标发生遮挡或密集聚集时，由于目标间存在高度重叠，空间与外观信息会同时变得模糊，导致跟踪性能显著下降。本文表明，通过引入弱线索以弥补强线索的不足，可高效且有效地解决这一长期存在的挑战。除速度方向外，我们进一步引入置信度与高度状态作为潜在的弱线索。所提方法在保持Simple, Online and Real-Time（SORT）特性的同时，展现出卓越的性能。此外，该方法以即插即用、无需训练的方式，在多种跟踪器与不同场景下均表现出优异的泛化能力。将该方法应用于5种代表性跟踪器时，均取得了显著且一致的性能提升。结合强弱线索后，所提出的Hybrid-SORT在多个基准测试中均取得优异表现，涵盖MOT17、MOT20，尤其在DanceTrack数据集上表现突出——该数据集常伴有复杂运动、频繁交互与严重遮挡。相关代码与模型已开源，地址为：https://github.com/ymzis69/HybridSORT。