AITOPAI热报

多目标跟踪

共 3 条相关 AI 资讯
7月28日
12:23
12:23官方账号arXiv cs.AI@Jhonatan Tavori, Gur-Eyal Sela, Ion Stoica, Gil Zussman
该论文揭示了一种新的攻击面：在结合快速路径与高精度慢速路径的分布式推理流水线中，协调层容易受到波形负载攻击（如Yo-Yo bursts）影响。攻击者通过约4000个突发请求可将正常用户的p99延迟从92ms推至2秒，几乎消除慢路径的云端推理优势，使多目标跟踪质量平均下降7.0 HOTA点。不同攻击时段造成2.0-18.7 HOTA点的差异，稀有类别（如停车标志）的预测精度损失近半。研究证明了无需访问模型权重或数据即可通过负载攻击降级预测质量。
论文分布式推理AI安全HOTA
推荐理由：这篇论文揭示了分布式推理系统的新安全漏洞：只用网络流量攻击就能让自动驾驶跟踪精度暴跌18.7 HOTA点。搞推理部署的人一定要看看。
原文
7月21日
09:27
09:27官方账号arXiv cs.AI@Yanrong Qin, Xiaoyan Cao, Yao Yao
VLA-ReID将重识别重新建模为视频级关联任务，使用聚合历史轨迹特征作为查询、当前帧检测作为候选，直接优化全局关联。论文提出Frame-Common Appearance Estimation (FCAE)和Common-Appearance Suppression (CAS)模块，无需额外标注即可放大高度相似物体间的判别差异。在BEE24数据集上，VLA-ReID相比现有最优跟踪器提升HOTA 1.1、MOTA 0.3、AssR 2.6、AssA 0.7、IDF1 0.8，并减少28%的身份切换。实验验证了视频级重识别建模在MOT中的有效性。
AI模型VLA-ReID多目标跟踪重识别
推荐理由：一篇论文提出VLA-ReID方法，专门解决蜜蜂等高度相似物体跟踪中的身份切换问题，不用额外标注就把重识别精度拉高了一大截。
原文
6月23日
12:58
12:58官方账号arXiv cs.AI@Mohamed Nagy, Naoufel Werghi, Jorge Dias, Majid Khonji
Polycepta提出对象中心外观状态估计框架，将外观建模从帧级匹配转为递归估计，为每个跟踪目标独立维护并更新外观状态。在KITTI、Waymo Open Dataset和MOT17三个基准上，该方法一致减少身份切换并提升跟踪性能。集成到RobMOT框架后，Polycepta在KITTI上达到MOTA 92.27%，运行速度90.57 Hz。
AI模型PolyceptaKITTIWaymo
推荐理由：Polycepta不用死板的外观模板，边跟踪边更新目标长相，在KITTI基准上拿92.27% MOTA还跑得飞快，比传统方法稳多了。
原文