基于状态空间模型Mamba的LiDAR-based 3D对象跟踪：面对高时间变动场景
计算机视觉与模式识别
2025-11-20 v1
摘要
具有高时间变动（HTV）的动态户外环境为LiDAR点云中的3D单对象跟踪提出了重大挑战。现有的基于记忆的跟踪器常受制于二次计算复杂度、时间冗余以及不足的几何先验利用。为此，我们提出MambaTrack3D，一个基于状态空间模型Mamba构建的HTV导向跟踪框架。具体设计了Mamba-based Inter-frame Propagation（MIP）模块，以高效的帧间传播取代传统的单帧特征提取，实现接近线性的复杂度，同时显式建模历史帧之间的空间关系。进一步引入分组特征增强模块（GFEM），在通道级别将前景与背景语义分离，从而缓解存储库中的时间冗余。针对KITTI-HTV和nuScenes-HTV基准进行大量实验，表明MambaTrack3D在HTV导向和正常场景跟踪器中均显著优于现有方法，在中等时间间隙下相较HVTrack实现了最高6.5的成功率提升和9.5的精度提升。在标准KITTI数据集上，MambaTrack3D仍与最先进的正常场景跟踪器保持高度竞争，证明其强大的泛化能力。总体而言，MambaTrack3D在准确率与效率之间实现了卓越的权衡，为HTV和常规跟踪场景都提供了稳健的性能。
引用
@article{arxiv.2511.15077,
title = {MambaTrack3D: A State Space Model Framework for LiDAR-Based Object Tracking under High Temporal Variation},
author = {Shengjing Tian and Yinan Han and Xiantong Zhao and Xuehu Liu and Qi Lang},
journal= {arXiv preprint arXiv:2511.15077},
year = {2025}
}
备注
This work has been submitted to a journal for possible publication