DINO-CoDT：基于视觉基础模型的多类协同检测与跟踪
计算机视觉与模式识别
2025-06-10 v1
摘要
协同感知在扩大感知范围、提高对传感器故障的鲁棒性方面发挥着关键作用，主要涉及协同3D检测和跟踪任务。前者关注单帧中的目标识别，而后者捕获连续的时间内实例轨迹。然而，现有工作主要聚焦于车辆 superclass，缺乏有效的多类协同检测与跟踪解决方案。这一限制阻碍了其在现实场景中的应用，这些场景涉及具有不同外观和运动模式的多样化目标类别。为克服这些限制，我们提出了一个针对多样化道路用户的多类协同检测与跟踪框架。我们首先提出了一个具有全局空间注意力融合（GSAF）模块的检测器，增强了对不同尺寸目标的多尺度特征学习。接着，我们引入一个轨迹重识别（REID）模块，利用视觉基础模型来有效减少ID交换（IDSW）错误，这在涉及小目标（如行人）的错误匹配情况下尤为重要。我们进一步设计了一个基于速度的自适应轨迹管理（VATM）模块，根据目标运动动态调整跟踪间隔。广泛的实验在V2X-Real和OPV2V数据集上表明，我们的方法在检测和跟踪精度方面显著优于现有最先进方法。
引用
@article{arxiv.2506.07375,
title = {DINO-CoDT: Multi-class Collaborative Detection and Tracking with Vision Foundation Models},
author = {Xunjie He and Christina Dao Wen Lee and Meiling Wang and Chengran Yuan and Zefan Huang and Yufeng Yue and Marcelo H. Ang},
journal= {arXiv preprint arXiv:2506.07375},
year = {2025}
}