O Rastreamento de Múltiplos Objetos (MOT) é um problema crítico na visão compu tacional, essencial para entender como objetos se movem e interagem em vídeos. Este
campo enfrenta desafios significativos, oclusões e dinâmicas ambientais complexas
afetam a precisão e eficiência dos modelos. Enquanto abordagens tradicionais têm se
apoiado em Redes Neurais Convolucionais (CNNs), este trabalho apresenta o OneTrack M, um modelo MOT baseado em transformers, projetado para aumentar a eficiência
computacional e a precisão do rastreamento. Nossa abordagem simplifica a arquitetura
típica baseada em transformers, ao eliminar a necessidade de um modelo decodificador
para detecção e rastreamento de objetos. Ao invés disso, apenas o codificador serve
como base para a interpretação de dados temporais, reduzindo significativamente o
tempo de processamento e aumentando a velocidade de inferência. Paralelamente,
emprega-se técnicas inovadoras de pré-processamento de dados e treinamento mul titarefa para abordar desafios diversos de objetivos dentro de um único conjunto de
pesos. Resultados experimentais demonstram o OneTrack-M alcançando tempos de
inferência pelo menos 25% mais rápidos em comparação com modelos de ponta na
literatura, mantendo ou melhorando as métricas de precisão de rastreamento. Essas
melhorias destacam o potencial da solução proposta para aplicações em tempo real,
como veículos autônomos e sistemas de vigilância, tais respostas rápidas são cruciais
para a eficácia do sistema.
|
