MOTR：基于 Transformer 的端到端多目标跟踪

它要解决什么问题

传统 tracking-by-detection 需要大量手写的数据关联规则和 NMS 后处理，脆弱且难维护。

机制拆解

1. 用 track query 维持已存在目标的身份，跨帧传递
2. 用 newborn object query 发现新出现的目标
3. 检测和跟踪在一个模型里完成，去掉手写关联逻辑

量产判断

读完应该能问

• ID 抖动率现在是多少？拥堵场景下呢？

回到术语

• 两段式——第一段输出结构化世界（目标、车道线、交通灯），第二段基于它生成轨迹——用信息压缩换可解释和可控。