Objekte als Punkte verfolgen

Die Verfolgung war traditionell die Kunst, Interessenspunkte über Raum und Zeit zu verfolgen. Dies änderte sich mit dem Aufkommen leistungsstarker tiefgehender Netzwerke. Heute dominiert der Ansatz der Verfolgung durch Detektion, bei dem zunächst Objekte detektiert und anschließend über die Zeit hinweg assoziiert werden. In diesem Paper präsentieren wir einen Algorithmus für gleichzeitige Detektion und Verfolgung, der einfacher, schneller und genauer ist als der aktuelle Stand der Technik. Unser Tracker, CenterTrack, wendet ein Detektionsmodell auf ein Bildpaar sowie die Detektionen aus dem vorherigen Frame an. Mit diesem minimalen Eingabedatensatz lokalisiert CenterTrack Objekte und prognostiziert deren Zuordnung zum vorherigen Frame. Das ist alles. CenterTrack ist einfach, online (ohne Blick in die Zukunft) und in Echtzeit. Er erreicht eine MOTA von 67,3 % auf der MOT17-Challenge bei 22 FPS und 89,4 % MOTA auf dem KITTI-Verfolgungsbenchmark bei 15 FPS, wodurch er auf beiden Datensätzen einen neuen Stand der Technik etabliert. CenterTrack lässt sich leicht auf monokulare 3D-Verfolgung erweitern, indem zusätzliche 3D-Attribute regressiert werden. Mit monokularem Videoeingang erreicht er 28,3 % AMOTA@0,2 auf dem neu veröffentlichten nuScenes 3D-Verfolgungsbenchmark und übertrifft dabei deutlich die monokulare Baseline auf diesem Benchmark, wobei er mit 28 FPS läuft.