摘要
图结构为在“检测后跟踪”（tracking-by-detection）范式下建模多目标跟踪（Multiple Object Tracking, MOT）提供了一种自然的表达方式。然而，这种结构也给学习方法带来了重大挑战，因为设计一个能够在此类结构化域上有效运行的模型并非易事。因此，大多数基于学习的方法主要致力于提升MOT的特征表示，并将其与成熟的优化框架结合使用。在本工作中，我们利用MOT的经典网络流（network flow）建模方式，构建了一个基于消息传递网络（Message Passing Networks, MPNs）的完全可微分框架。通过直接在图结构域上进行操作，我们的方法能够对全部检测结果进行全局推理，并预测最终的跟踪结果。由此我们证明，MOT中的学习不仅限于特征提取，还可以直接应用于数据关联（data association）阶段。在三个公开可用的基准测试中，我们的方法在MOTA和IDF1指标上均取得了显著提升。相关代码已开源，地址为：https://bit.ly/motsolv。