JDT3D：弥合基于LiDAR的注意力跟踪中的差距
计算机视觉与模式识别
2024-07-17 v2
摘要
基于检测的跟踪(TBD)方法在自动驾驶的3D跟踪基准测试中取得了最先进的性能。另一方面，基于注意力的跟踪(TBA)方法有潜力超越TBD方法，特别是在长时间遮挡和具有挑战性的检测场景中。本研究通过一个名为JDT3D的基于LiDAR的联合检测器和跟踪器，探讨了TBA方法性能为何仍落后于TBD方法。基于此分析，我们提出了两种可泛化的方法来弥合TBD和TBA方法之间的差距：轨迹采样增强和基于置信度的查询传播。JDT3D在nuScenes数据集上进行训练和评估，在nuScenes测试集上达到了0.574的AMOTA指标，优于所有现有的基于LiDAR的TBA方法超过6%。基于我们的结果，我们进一步讨论了现有TBA模型公式的一些潜在挑战，以解释与TBD方法之间持续存在的性能差距。JDT3D的实现可在以下链接找到：https://github.com/TRAILab/JDT3D。
引用
@article{arxiv.2407.04926,
title = {JDT3D: Addressing the Gaps in LiDAR-Based Tracking-by-Attention},
author = {Brian Cheong and Jiachen Zhou and Steven Waslander},
journal= {arXiv preprint arXiv:2407.04926},
year = {2024}
}