用于低光场景下光场物体跟踪的角时序相互作用网络
计算机视觉与模式识别
2025-07-30 v1
摘要
高质量的 4D 光场表示以及高效的角向特征建模对于场景感知至关重要，因为它们可以提供用于识别移动目标的判别性空间-角向线索。然而，近期的发展仍在时域上难以可靠地实现角向建模，尤其是在复杂的低光场景中。本文提出一种新的光场极角平面结构图像（light field epipolar-plane structure image，ESI）表示，显式定义光场中的几何结构。通过捕捉光线在极角平面内的角度突变，这一表示方法可以在低光场景中增强视觉表达，并减少高维光场中的冗余。我们进一步提出了用于光场物体跟踪的角时序相互作用网络（ATINet），该网络从光场的几何结构线索和角向时序相互作用线索中学习角向感知表征。此外，ATINet 还可以自监督方式进行优化，以增强时域内的几何特征相互作用。最后，我们引入了一个大规模光场低光物体跟踪数据集。广泛的实验表明，ATINet 在单目标跟踪中实现了最先进的性能。我们进一步将所提方法扩展到多目标跟踪，该方法同样显示了高质量光场角向时序建模的有效性。
引用
@article{arxiv.2507.21460,
title = {An Angular-Temporal Interaction Network for Light Field Object Tracking in Low-Light Scenes},
author = {Mianzhao Wang and Fan Shi and Xu Cheng and Feifei Zhang and Shengyong Chen},
journal= {arXiv preprint arXiv:2507.21460},
year = {2025}
}