NeighborTrack : Amélioration du suivi d'objet unique par appariement bipartite avec des tracklets voisins

Nous proposons un post-traitement, appelé NeighborTrack, qui utilise les informations des voisins de la cible suivie pour valider et améliorer les résultats du suivi d'un seul objet (SOT). Ce post-traitement ne nécessite aucune donnée supplémentaire ni réentraînement. Au lieu de cela, il utilise le score de confiance prédit par le réseau SOT principal pour dériver automatiquement les informations des voisins, puis utilise ces informations pour améliorer les résultats de suivi. Lorsque la cible est masquée, ses caractéristiques d'apparence ne sont pas fiables. Cependant, un réseau siamais général ne peut souvent pas déterminer si l'objet suivi est masqué en se basant uniquement sur le score de confiance, car il peut être induit en erreur par des voisins ayant des scores de confiance élevés. Notre NeighborTrack proposé tire parti des informations des voisins non masqués pour réconfirmer la cible suivie et réduit les fausses pistes lorsque la cible est masquée. Il non seulement atténue l'impact causé par le masquage, mais corrige également les problèmes de suivi dus aux changements d'apparence de l'objet. NeighborTrack est indépendant des réseaux SOT et des méthodes de post-traitement. Pour l'ensemble de données VOT couramment utilisé dans le suivi à court terme d'objets, nous améliorons trois réseaux SOT célèbres, Ocean, TransT et OSTrack, avec une moyenne de ${1.92\%}$ EAO (Expected Average Overlap) et ${2.11\%}$ de robustesse. Pour les expériences de suivi à moyen et long terme basées sur OSTrack, nous obtenons un AUC (Area Under Curve) d'état de l'art de ${72.25\%}$ sur LaSOT et un AO (Accuracy) de ${75.7\%}$ sur GOT-10K. Le code source peut être consulté à l'adresse : https://github.com/franktpmvu/NeighborTrack.