研究团队表示，HQTrack基于开源框架DeAOT、HQ-SAM，在此之上进行了一定改进，实现了“在视频中分割各目标”的可能性。
▲图源HQTrack的GitHub页面
同时，研究团队使用Intern-T作为特征提取器，提高框架对不同类型物体的区分能力，同时加入了一个门控传播模块（GPM），以便于框架在复杂环境中感知更多微小物体，生成高质量的即时目标遮罩。
据悉，在VOTS2023竞赛中，HQTrack以0.615的质量得分获得第二名，研究团队表示，该AI框架可以
应用于人脸识别、智能驾驶、监控追踪等领域，并有望在未来商业应用中落地。
该项目目前已经在GitHub中开放，感兴趣的小伙伴们可以在此访问，IT之家将HQTrack核心功能转录于下方：
1.多目标追踪：HQTrack可以同时追踪多个目标对象，适用于复杂场景下的目标追踪任务。
2.目标分割：HQTrack能够准确地分割视频中的目标对象，并生成高质量的目标遮罩，可用于目标识别和分析。
3.高质量输出：HQTrack的追踪结果具有高质量和高准确性，能够满足各种应用场景的需求。
4.简单易用：HQTrack提供了简洁的接口和使用指南，用户可以轻松地使用和集成该工具。
