用于 3D 单目标跟踪的相关金字塔网络
计算机视觉与模式识别
2023-05-17 v1
摘要
基于 3D LiDAR 的单目标跟踪（SOT）因其在自动驾驶等 3D 应用中的关键作用而受到越来越多的关注。核心问题是如何从稀疏且不完整的点云中学习具有目标感知的表示。本文中，我们提出一种新颖的相关金字塔网络（CorpNet），其具有统一编码器与运动分解解码器。具体而言，编码器在其主分支中引入多级自注意力与交叉注意力，分别用于丰富模板与搜索区域特征并实现它们的融合与交互。此外，考虑到点云的稀疏特性，我们为编码器设计了一种横向相关金字塔结构，通过整合分层相关特征来保留尽可能多的点。编码器输出的搜索区域特征可直接送入解码器以预测目标位置，无需任何额外匹配器。而且，在 CorpNet 的解码器中，我们设计了一个运动分解头，显式地共同学习 up 轴与 x-y 平面的不同运动模式。在两个常用数据集上的大量实验表明，我们的 CorpNet 在实时运行的同时取得了 SOTA 结果。
引用
@article{arxiv.2305.09195,
title = {Correlation Pyramid Network for 3D Single Object Tracking},
author = {Mengmeng Wang and Teli Ma and Xingxing Zuo and Jiajun Lv and Yong Liu},
journal= {arXiv preprint arXiv:2305.09195},
year = {2023}
}