FollowMe: Efficient Online Min-Cost Flow Tracking with Bounded Memory and Computation

来源：ICCV2015

创新点：

目前，解决数据关联问题的最小代价流（min-cost flow）的方法有3个缺点。第一，计算代价高。第二，假定整个视频作为一个batch给出。第三，内存占用大。

相应的解决方法：

①当重复使用计算的时候，采用一种连续最短路径算法的动态版本，解决数据关联问题。

②当处理一个出现的数据流时，求解数据关联的最优解。

③main contribution:一个近似在线的解决方案，使用有限的内存和计算。该方案能够在在实时跟踪的同时，处理任意长度的视频。

本文旨在将min-cost flow solutions应用到如自动驾驶的真实世界的场景中。为实现这一目标，有两个问题需要解决。第一，目前方法假定a batch setting，所有的假设要实现获得。第二，内存和计算要求与输入视频的大小有关。鉴于此，本文开发了可以用于实际的解决方法（practical traking by detection solutions）：只有当有必要的时候才执行计算、处理在线的数据流、将内存和计算设限。