EasyTrack：高效紧凑的单流 3D 点云跟踪器
计算机视觉与模式识别
2024-04-15 v2
摘要
大多数点云 3D 单目标跟踪器（SOT）遵循双流多阶段 3D Siamese 或运动跟踪范式，这些范式通过建立在有监督点云骨干网络上的两个并行分支来处理模板和搜索区域点云。在本工作中，超越典型的 3D Siamese 或运动跟踪，我们从新的视角提出了一种简洁紧凑的单流 transformer 3D SOT 范式，称为 \textbf{EasyTrack}，它包含三个特殊设计：1）开发了 3D 点云跟踪特征预训练模块，利用掩码自编码来学习 3D 点云跟踪表示。2）提出了统一的 3D 跟踪特征学习与融合网络，以同时学习目标感知的 3D 特征，并通过灵活的自注意力机制广泛捕获互相关性。3）在密集的鸟瞰图（BEV）特征空间中构建了目标定位网络，用于目标分类和回归。此外，我们开发了名为 EasyTrack++ 的增强版本，该版本设计了中心点交互（CPI）策略，以减少由噪声点云背景信息引起的歧义目标。所提出的 EasyTrack 和 EasyTrack++ 在 KITTI、NuScenes 和 Waymo 上取得了新的 SOTA 性能（分别获得 、 和 的成功增益），同时以 \textbf{1.3M} 的少量参数运行速度达到 \textbf{52.6fps}。代码将在 https://github.com/KnightApple427/Easytrack 上提供。
引用
@article{arxiv.2404.05960,
title = {EasyTrack: Efficient and Compact One-stream 3D Point Clouds Tracker},
author = {Baojie Fan and Wuyang Zhou and Kai Wang and Shijun Zhou and Fengyu Xu and Jiandong Tian},
journal= {arXiv preprint arXiv:2404.05960},
year = {2024}
}