MASAR：基于运动-外观协同优化的联合检测与轨迹预测
计算机视觉与模式识别
2026-02-16 v1 机器学习
摘要
经典的自动驾驶系统通过手工制作的边界框接口连接感知与预测模块，这限制了信息的流动并将错误传递到下游任务。近期研究旨在开发端到端模型以联合解决感知与预测，但往往未能充分利用外观与运动线索之间的协同效应，主要依赖短期视觉特征。我们遵循“回望过去以便前瞻”的思想，提出 MASAR，一种 novel 全可微框架，用于联合 3D 检测与轨迹预测，可与任何基于 Transformer 的 3D 检测器兼容。MASAR 采用对象中心时空机制，联合编码外观特征与运动特征。通过预测过去轨迹并利用外观线索进行细化，MASAR 捕获长期时序依赖关系，从而增强未来轨迹预测。在 nuScenes 数据集上进行的实验表明，MASAR 的有效性， minADE 与 minFDE 分别提高了 20% 以上，同时保持稳健的检测性能。代码与模型均可在 https://github.com/aminmed/MASAR 获取。
引用
@article{arxiv.2602.13003,
title = {MASAR: Motion-Appearance Synergy Refinement for Joint Detection and Trajectory Forecasting},
author = {Mohammed Amine Bencheikh Lehocine and Julian Schmidt and Frank Moosmann and Dikshant Gupta and Fabian Flohr},
journal= {arXiv preprint arXiv:2602.13003},
year = {2026}
}
备注
Accepted to the 2026 IEEE International Conference on Robotics and Automation (ICRA 2026)