ECCV2020(Oral)# PointTrack 《Segment as Points for Efficient Online Multi-Object Tracking and Segmentation》：
高效在线多目标跟踪和分割 Segment as Points范式，KITTI榜上排名第一！速度高达22 FPS！性能优于MOTSFusion、MOTSNet等，代码现已开源！并新建了APOLLO MOTS数据集，即将开源！
作者团队：中科大&百度
当前的多目标跟踪和分割（MOTS）方法遵循“tracking-by-detection”范例，并采用卷积进行特征提取。但是，受固有感受野的影响，基于卷积的特征提取不可避免地将前景特征和背景特征混合在一起，从而在后续实例关联中产生歧义。在本文中，我们提出了一种高效的方法，通过将紧凑的图像表示转换为无序的2D点云表示，从而基于分割学习实例嵌入。我们的方法生成了一种新的逐点跟踪范例，该范例是从随机选择的点而不是图像中学习判别性实例嵌入。此外，多种信息数据模态被转换为点状表示，以丰富点状特征。由此产生的在线MOTS框架PointPoint，以接近实时的速度（22 FPS）大大超越了所有最新技术，包括3D跟踪方法（MOTSA高5.4％，比MOTSFusion快18倍）。 对三个数据集的评估证明了我们方法的有效性和效率。此外，基于对当前MOTS数据集缺乏拥挤场景的观察，我们建立了一个更具挑战性的MOTS数据集，称为APOLLO MOTS，具有更高的实例密度。
《Segment as Points for Efficient Online Multi-Object Tracking and Segmentation》
数据集：代码：https://github.com/detectRecog/PointTrack
论文下载链接：https://arxiv.org/abs/2007.01550
#多目标跟踪# #ECCV2020(Oral)# #ECCV2020# #新数据集#