这一部分主要看的是这个博客，介绍的非常详细。多目标跟踪算法 | DeepSort-CSDN博客它不再简单地丢弃低置信度（low-score）的检测框。1）背景痛点：在传统算法（如 DeepSORT）中，通常只保留置信度高于 0.6 或 0.7 的框，低分框被视为背景。但在遮挡、模糊等情况下，物体的检测分值会下降，丢弃这些框会导致轨迹中断（ID Switch 增加）。2）BYTE 策略：第一次关联：

在传统方法中，每一帧的检测是独立的。而 MOTR 认为，跟踪本质上是对目标状态在时间维度上的演变进行预测，与以往“先检测再关联”（Tracking-by-Detection）不同，它实现了真正意义上的端到端transformer序列化追踪。MOTR 将多目标跟踪视为一个“序列到序列（Seq2Seq）”的预测问题。它不再像之前的模型（如 ByteTrack）那样需要依赖繁琐的人工规则（如匈牙利算法、