[论文解读] Adiabatic Quantum Computing for Multi Object Tracking

Jan-Nico Zaech, Alexander Liniger+3 more|arXiv (Cornell University)|Feb 17, 2022

Quantum Computing Algorithms and Architecture被引用 4

一句话总结

本论文提出了首个用于多目标跟踪（MOT）的绝热量子计算（AQC）公式，将分配问题映射为可通过量子退火求解的无约束二次二值优化（QUBO）问题。该方法在MOT15数据集上实现了具有竞争力的MOTA得分（49.9%），并在优化拉格朗日乘子后，成功在真实D-Wave硬件上验证了小规模跟踪实例的可行性。

ABSTRACT

Multi-Object Tracking (MOT) is most often approached in the tracking-by-detection paradigm, where object detections are associated through time. The association step naturally leads to discrete optimization problems. As these optimization problems are often NP-hard, they can only be solved exactly for small instances on current hardware. Adiabatic quantum computing (AQC) offers a solution for this, as it has the potential to provide a considerable speedup on a range of NP-hard optimization problems in the near future. However, current MOT formulations are unsuitable for quantum computing due to their scaling properties. In this work, we therefore propose the first MOT formulation designed to be solved with AQC. We employ an Ising model that represents the quantum mechanical system implemented on the AQC. We show that our approach is competitive compared with state-of-the-art optimization-based approaches, even when using of-the-shelf integer programming solvers. Finally, we demonstrate that our MOT problem is already solvable on the current generation of real quantum computers for small examples, and analyze the properties of the measured solutions.

研究动机与目标

• 为解决多目标跟踪（MOT）中的NP难离散优化挑战，采用绝热量子计算（AQC）。
• 设计一种与当前AQC硬件（尤其是D-Wave系统）兼容的MOT用QUBO公式。
• 通过少量问题测量优化拉格朗日乘子，提高噪声量子硬件上的解概率。
• 证明即使在小规模下，现实世界的MOT问题也可在当前一代量子计算机上求解。
• 建立一种可线性扩展的量子兼容MOT框架，扩展性与检测数、轨迹数和时间步数成线性关系。

提出的方法

• 将MOT数据关联问题公式化为QUBO问题，以适用于AQC的自旋玻璃哈密顿量形式表示。
• 采用拉格朗日松弛方法处理约束条件，通过少量测量调节乘子以提高解的概率。
• 在D-Wave Advantage硬件上使用量子退火，退火时间为1600 µs，每个子问题进行500次测量。
• 将长序列拆分为5帧的片段以控制问题规模，独立在量子处理器上求解每个子问题。
• 使用GUROBI验证经典性能，并与SOTA方法（如ApLift）进行结果对比。
• 分析不同噪声水平和偏移参数下的能量层级与解概率，以评估鲁棒性。

实验结果

研究问题

• RQ1 能否设计一种与当前绝热量子硬件兼容的MOT量子计算公式？
• RQ2 对于小规模MOT问题，量子退火的解概率与经典求解器相比如何？
• RQ3 在噪声量子设备上，能否仅通过极少测量优化拉格朗日乘子，以显著提升解的保真度？
• RQ4 所提出的基于AQC的MOT方法在真实世界数据集（如MOT15和PETS09-S2L1）上的表现如何？
• RQ5 当前量子硬件能否求解包含遮挡的真实MOT实例？能量层级与解质量之间有何关联？

主要发现

• 所提出的基于AQC的MOT公式在MOT15数据集上实现了49.9%的MOTA得分，与SOTA方法ApLift相比仅低1.2%。
• 在MOT15训练集上采用留一法交叉验证时，该方法在MOTA上比ApLift高出0.2%，表明其在更高检测密度下仍具鲁棒性。
• 在PETS09-S2L1序列中，该方法成功使用D-Wave Advantage硬件对三个目标进行跟踪，即使未进行偏移调优，解概率仍达0.8%，并成功穿越两次遮挡。
• 对于存在遮挡的子问题（如第5帧和第10帧），由于简并的低能态导致解概率下降，但通过优化拉格朗日乘子后，解概率仍可保持在3.5%的可测量水平。
• 该方法表明，仅通过少量问题测量即可显著提升解概率，即使在噪声环境下亦可实现。
• 能量层级分析确认，最优解始终出现在最低能量状态，验证了量子退火方法在MOT中的适用性。