GTA：体育多目标跟踪中的全局轨迹关联

在体育场景中的多目标跟踪已成为计算机视觉领域的研究热点之一，通过深度学习技术的融合，该领域取得了显著进展。尽管如此，仍存在一些挑战，例如在球员重新进入场景时准确地进行再识别以及减少身份切换。本文提出了一种基于外观的全局轨迹片段关联算法，旨在通过拆分包含多个身份的轨迹片段并连接看似来自同一身份的轨迹片段来提升跟踪性能。该方法可以作为任何多目标跟踪器的即插即用优化工具，进一步提高其性能。所提出的算法在SportsMOT数据集上实现了新的最先进水平，HOTA得分为81.04%。同样，在SoccerNet数据集上，我们的方法提升了多个跟踪器的性能，HOTA得分从79.41%一致提高到83.11%。这些不同跟踪器和数据集上的显著且一致的改进突显了我们所提出的方法在体育运动员跟踪应用中的潜在影响。我们已将项目代码开源至 https://github.com/sjc042/gta-link.git。