破局查询传播MOT：基于轨迹状态扰动的主动学习新范式
从成本瓶颈看查询传播MOT的训练困境
在当前的计算机视觉领域，多目标追踪（MOT）已成为连接目标检测与轨迹分析的关键技术。然而，要训练出高性能的查询传播型MOT模型，传统路径往往需要在整个视频序列上标注密集的边界框和身份信息。这种“密集标注”需求在实际应用中构成了显著的成本瓶颈，尤其是对于需要长期连续追踪能力的场景。数据集的构建不仅耗时，而且需要专业的标注人员，这在一定程度上限制了MOT模型的普及和迭代速度。
为了降低这一门槛，主动学习技术应运而生。与其被动标注所有数据，不如让模型主动挑选最有价值的样本进行标注。针对查询传播MOT这一特定类型，现有的主动学习方法主要聚焦于输出层面的时间不确定性。但这种策略存在一个显著的盲区：它可能会错过那些虽然在输出层表现平稳，但内部轨迹关联却极不稳定的视频片段。这种“看似稳定实则内部混乱”的状态，往往意味着模型在实际追踪中会出现身份混淆或定位偏差，但现有的获取标准很难捕捉到这一点。
QPID：基于轨迹状态扰动的关联不稳定性评估
针对上述痛点，研究者提出了QPID（Query-Propagation Instability and Diversity）方案。该方法的核心创新在于不再仅仅关注模型输出的不确定性，而是转向内部轨迹状态的扰动分析。QPID的工作原理可以概括为：在内部轨迹状态上施加双向扰动，并将扰动后的预测结果与干净参考分支的输出进行对比。这种设计巧妙地利用了微小的扰动作为“试金石”。
在判定一个视频片段是否具有信息量时，QPID遵循一个基本的物理直觉：在稳定的片段中，即便对轨迹状态进行微小的扰动，追踪的目标应该保持不变；而在存在歧义或关联不稳定的片段中，微小的扰动可能会导致追踪目标的剧烈变化，比如定位偏移或置信度波动。基于此，QPID引入了两项关键指标来量化这种差异。第一项是“局部漂移”，它测量的是扰动后目标边界框的位移情况；第二项是“熵加权置信度差异”，它则关注扰动导致的置信度分布变化，并结合了目标出现的概率信息。这两项指标的结合，为评估轨迹稳健性提供了从空间和概率两个维度的多维度视角。
从不确定性到覆盖：批次选择的策略考量
然而，单纯追求不确定性往往会导致冗余的标注工作。如果所有被选中的片段都聚焦在同一类型的不确定性上，而忽视了视觉内容的多样性，模型的学习效率可能会大打折扣。为了解决这一问题，QPID在选取高不确定性片段后，引入了“不确定性加权视觉覆盖”策略。该策略的目的是在保证选取不稳定片段的同时，确保所选的标注批次在视觉特征上尽可能多样化。
具体实现上，QPID利用轨迹级别的视觉原型来代表不同的目标外观特征。在选择标注批次时，它会权衡片段的不确定性分数与视觉原型的覆盖范围。这种机制有效避免了“单一陷阱”，即模型只学习到了某一种特定类型的混乱，而忽略了其他场景下的挑战。通过这种“不确定性与覆盖”的双重平衡，QPID确保了每一帧的标注都能为模型带来最大的性能提升。
实验验证与性能深度剖析
为了验证QPID的有效性，研究者在两个主流数据集上——DanceTrack和SportsMOT——上进行了系列实验。实验选取了MeMOTR和SambaMOTR两种代表性的查询传播MOT模型作为被测对象。在这些数据集上，QPID的表现都展现出了显著的优势。与现有的主动学习基线相比，在相同的标注预算下，QPID能够取得更优的追踪性能。这意味着，利用QPID策略，研究者可以用更少的标注成本获得同样甚至更好的模型效果。
实验结果并非简单的数字堆砌，更揭示了主动学习策略设计的重要性。QPID的成功在于它打破了以往“盲目追求输出不确定性”的惯性，转而关注模型内部机制的健壮性。这种基于轨迹状态的扰动分析方式，为理解查询传播模型的行为提供了新的视角，也为后续的模型优化和诊断提供了可能。
前瞻：有限标注下的MOT进化路径
展望未来，基于轨迹状态扰动的主动学习范式有望成为查询传播MOT领域的重要研究方向。随着大模型和端侧计算的发展，对数据效率的要求只会越来越高。QPID式的方法不仅解决了当下的标注成本问题，更从根本上重新定义了“什么是好样本”的标准。未来的研究可以进一步探索如何将这种扰动敏感性的概念迁移到其他视频理解任务中，或者如何将其与增强学习、迁移学习等技术结合，构建更加智能、高效的多目标追踪训练体系。对于产业界而言，这也意味着在资源有限的情况下，可以以更低的成本部署更先进的MOT技术，这在自动驾驶、智能监控等领域都具有广阔的应用前景。
END