正在研究基于Transformer的端到端多目标追踪框架MOTR通过引入追踪向量的概念实现对追踪目标的时序建模。该框架利用追踪敏感的标签分配策略进行训练并采用时序聚合网络和群体平均损失函数来加强对时序的建模。另外还在研究像素级别的多目标跟踪方案该方案将多对象跟踪视为像素分布并利用基于转换器的架构P3AFormer实现像素级传播、预测和关联。结合上述内容组织一段技术要求口吻的话语。

我们正在研究一种基于Transformer的端到端多目标追踪框架MOTR，该框架引入了追踪向量的概念，能够对追踪目标进行时序建模。我们采用了追踪敏感的标签分配策略来训练该框架，并利用时序聚合网络和群体平均损失函数来增强对时序的建模能力。此外，我们还在研究像素级别的多目标跟踪方案，将多对象跟踪视为像素分布，并利用基于转换器的架构P3AFormer来实现像素级的传播、预测和关联。通过这些研究，我们希望能够提出一种先进的多目标追踪技术，以满足实际应用中对于精确和准确追踪的需求。