BEVTrack：鸟瞰图下 3D 单目标跟踪的简洁强基线
计算机视觉与模式识别
2025-10-10 v8 人工智能
摘要
3D 单目标跟踪（SOT）是计算机视觉中的基础任务，并在自动驾驶等应用中起关键作用。然而，现有算法常涉及复杂设计与多种损失函数，使模型训练与部署困难。此外，它们对固定概率分布假设（如拉普拉斯或高斯）的依赖阻碍了其适应不同目标特征（如变化的大小与运动模式）的能力，最终影响跟踪精度与鲁棒性。为解决这些问题，我们提出 BEVTrack，一种简洁而有效的基于运动的跟踪方法。BEVTrack 使用单一回归损失直接在鸟瞰图（BEV）中估计目标运动。为提升对具有多样属性目标的准确性，它学习针对单个目标的自适应似然函数，避免了先前方法中固定分布假设的局限。该方法为跟踪提供了有价值的先验并显著提升性能。在 KITTI、NuScenes 与 Waymo Open Dataset 上的综合实验表明，BEVTrack 在 200 FPS 下运行取得最先进（SOTA）结果，实现了实时适用性。代码将于 https://github.com/xmm-prio/BEVTrack 发布。
引用
@article{arxiv.2309.02185,
title = {BEVTrack: A Simple and Strong Baseline for 3D Single Object Tracking in Bird's-Eye View},
author = {Yuxiang Yang and Yingqi Deng and Mian Pan and Zheng-Jun Zha and Jing Zhang},
journal= {arXiv preprint arXiv:2309.02185},
year = {2025}
}
备注
IJCAI version