Strong-TransCenter: Verbesserte Mehrzielverfolgung auf Basis von Transformers mit dichten Darstellungen

In den letzten Jahren waren Transformer-Netzwerke Fokus der Forschung in vielen Bereichen und konnten die bislang beste Leistung in verschiedenen Aufgaben der Computer Vision übertreffen. Dennoch bleibt das Potenzial von Transformers in der Mehrfachobjektverfolgung (Multiple Object Tracking, MOT) relativ unerforscht. Unter den ersten Ansätzen in diesem Bereich zeigte TransCenter, eine auf Transformers basierende MOT-Architektur mit dichten Objektanfragen, außergewöhnliche Verfolgungsfähigkeiten bei gleichzeitig akzeptabler Laufzeit. Allerdings bietet ein entscheidender Aspekt in der MOT, die Schätzungen von Verfolgungsverschiebungen, weiteres Verbesserungspotential, um Zuordnungsfehler zu reduzieren. Als Reaktion auf diese Herausforderung präsentiert unser Paper eine neuartige Verbesserung für TransCenter. Wir schlagen einen Post-Processing-Mechanismus vor, der auf dem Paradigma "Track-by-Detection" basiert und darauf abzielt, die Verfolgungsverschiebungsschätzungen zu verfeinern. Unser Ansatz beinhaltet die Integration eines sorgfältig gestalteten Kalman-Filters, der Transformer-Ausgaben in die Schätzung des Messfehlers einbezieht, sowie die Nutzung eines Einbettungsnetzes zur erneuten Identifikation von Zielen. Diese kombinierte Strategie führt zu erheblichen Verbesserungen in Genauigkeit und Robustheit des Verfolgungsprozesses. Wir bestätigen unsere Beiträge durch umfangreiche Experimente auf den MOTChallenge-Datensätzen MOT17 und MOT20, bei denen unser vorgeschlagener Ansatz andere transformerbasierte Tracker übertrifft. Der Code ist öffentlich verfügbar unter: https://github.com/amitgalor18/STC_Tracker