TrackSSM：一种利用状态空间模型进行通用运动预测的方法

《Science China-Information Sciences》：TrackSSM: a general motion predictor using a state space model

TrackSSM基于数据依赖状态空间模型（SSM）提出统一编码器-解码器框架，通过Flow-SSM模块整合历史轨迹信息优化目标框时序转换，结合S2L训练策略提升预测精度，适用于多种多目标跟踪场景并表现优异。

　　

摘要

时间运动建模一直是多目标跟踪（MOT）中的关键组成部分，它能够确保轨迹的平滑性，并提供准确的位置信息以提高关联精度。然而，现有的运动模型在不同应用场景中往往难以同时具备高效性和有效性。为此，我们提出了TrackSSM，该模型受到最近流行的状态空间模型（SSMs）的启发，采用了一种统一的编码器-解码器运动框架，利用数据依赖的状态空间模型来进行轨迹的时间运动预测。具体来说，我们设计了Flow-SSM模块，该模块利用历史轨迹的位置和运动信息来指导对象边界框的时间状态转换。基于Flow-SSM，我们构建了一个流解码器，该解码器由多个级联的运动解码模块组成，这些模块可以使用编码的流信息来完成轨迹的时间位置预测。此外，我们还提出了一种逐步线性（S²L）训练策略。通过在上一帧和当前帧中对象位置之间进行线性插值，我们构建了逐步线性训练的伪标签，从而确保轨迹流信息能够更好地引导对象边界框完成时间转换。TrackSSM使用简单的Mamba-Block为历史轨迹构建运动编码器，与流解码器结合形成了具有编码器-解码器结构的时间运动模型。TrackSSM适用于各种跟踪场景，并在多个基准测试中取得了出色的跟踪性能，进一步拓展了类似SSM的时间运动模型在多目标跟踪任务中的潜力。代码和模型可在https://github.com/Xavier-Lin/TrackSSM公开获取。