Hugging Face发布ARC-SORT：实时多目标跟踪新突破

摘要：Hugging Face推出ARC-SORT（Adaptive, Robust, Compensated SORT），一种无需训练即可实时运行的多目标跟踪算法。该算法采用交互式多模型（IMM）卡尔曼滤波器，通过不确定性自适应的扩展IoU（EIoU）机制动态调整搜索区域，显著提升了复杂场景下的跟踪精度。在SportsMOT和DanceTrack测试集上，ARC-SORT分别实现了81.82和62.1的HOTA得分，同时保持了极低的身份交换次数，展现了其在体育赛事等高动态场景中的强大性能。

---

技术机制剖析

ARC-SORT的核心创新在于其不确定性自适应的扩展IoU（EIoU）机制。该机制基于交互式多模型（IMM）卡尔曼滤波器，为每个目标轨迹生成预测协方差矩阵，并将其转化为动态调整的搜索区域。具体来说，当运动预测的可靠性较低时，搜索区域会相应扩大，从而提高检测匹配的容错性。这种连续耦合机制相较于传统的硬性马氏距离门限（Mahalanobis Gate）在多个阈值下均表现出更优的性能。

工程权衡与实测表现

ARC-SORT的设计在精度与计算效率之间取得了良好平衡。其无需训练的特点使其易于部署，而实时运行能力（每秒约50帧）使其适用于资源受限的设备。此外，ARC-SORT在处理目标交叉问题时，通过对交叉轨迹对进行审查，并在交叉后的外观证据表明首次决策错误时应用纠正性身份交换，显著提升了跟踪精度。在SportsMOT测试集上，ARC-SORT以81.82的HOTA得分和97.09的MOTA得分位居前列，同时保持了极低的身份交换次数。

开发者落地与部署建议

对于开发者而言，ARC-SORT的代码即将开源，这为多目标跟踪领域的应用提供了新的选择。由于其无需训练的特性，开发者可以快速将其集成到现有的视频分析系统中。此外，ARC-SORT在处理长时目标离开场景的情况时，采用离线重识别机制，仅通过外观信息进行轨迹链接，进一步提升了其在复杂场景中的适用性。

结论

ARC-SORT的发布标志着多目标跟踪技术的一个重要进展。其在精度、效率和鲁棒性方面的综合表现，使其在体育赛事监控、自动驾驶和智能安防等应用中具有广阔的前景。

---

消息来源：Hugging Face Daily Papers (2026-10-15)

—— 完 ——

主题标签： #Hugging Face 关注 #多目标跟踪 关注 #实时AI 关注 #计算机视觉 关注