Preformer MOT: グローバル軌道予測を備えたマルチオブジェクトトラッキングのためのトランスフォーマーベースのアプローチ

科学分野:

• コンピュータビジョン
• 人工知能
• ロボット工学

背景:

• マルチオブジェクトトラッキング（MOT）方法は、将来のオブジェクト軌道を予測するのに苦労することがよくあります。
• 既存のアプローチは、堅牢な軌道予測のための時間情報を十分に活用していません。
• 課題には、オクルージョン、重複するオブジェクト、非線形運動が含まれます。

研究 の 目的:

• 正確な非線形軌道予測のための新しいトランスフォーマーベースの方法であるPreformer MOTを導入すること。
• 将来のフレーム情報を組み込むことによってマルチオブジェクトトラッキングを強化すること。
• MOTにおける時間的相関の利用不足に対処すること。

主な方法:

• トランスフォーマーベースのアーキテクチャ（Preformer MOT）を利用します。
• 新しい運動推定技術と軌道予測およびカルマンフィルタリングを組み合わせます。
• 将来の位置推定のために自己教師あり軌道予測モデルを採用します。
• 軌道の中断を処理するためにマルチフレーム予測を組み込みます。

主要な成果:

• Preformer MOTは、非線形軌道予測の精度を大幅に向上させます。
• この方法は、歩行者データセット（DanceTrack、MOT17）で優れたパフォーマンスを示します。
• 複雑な海洋環境で例外的な結果を達成し、適応性を示します。

結論:

• Preformer MOTは、広範な時間的相関を持つマルチオブジェクトトラッキングのための包括的なソリューションを提供します。
• このアプローチは将来の軌道を効果的に予測し、中断中の連続性を向上させます。
• 多様で挑戦的な環境全体で幅広い適用性を示しています。