OSP2B：用于 3D 孪生跟踪的单阶段点至框网络
计算机视觉与模式识别
2023-05-10 v2
摘要
两阶段点至框网络在近期流行的 3D 孪生跟踪范式中起着关键作用，其先生成候选框再预测相应的逐候选框得分。然而，此类网络存在繁琐的超参数调优与任务错位问题，限制了跟踪性能。针对这些关切，我们提出一种简单而有效的、基于点云的单阶段点至框网络用于 3D 单目标跟踪。它通过并行预测器同步进行 3D 候选框生成与中心度得分预测，无需繁琐超参数。为引导候选框的任务对齐得分排序，提出一种中心感知 focal loss 来监督中心度分支的训练，增强了网络区分不同质量候选框的判别能力。此外，我们设计了一个二值目标分类器来识别与目标相关的点。通过将所得分类得分与中心度得分相整合，所得网络能有效抑制干扰候选框并进一步缓解任务错位。最后，我们提出了一种配备该设计网络的新型单阶段孪生跟踪器 OSP2B。在包括 KITTI 和 Waymo SOT Dataset 在内的具有挑战性的基准上的大量实验表明，我们的 OSP2B 以可观的实时速度取得了领先性能。代码将发布于 https://github.com/haooozi/OSP2B。
引用
@article{arxiv.2304.11584,
title = {OSP2B: One-Stage Point-to-Box Network for 3D Siamese Tracking},
author = {Jiahao Nie and Zhiwei He and Yuxiang Yang and Zhengyi Bao and Mingyu Gao and Jing Zhang},
journal= {arXiv preprint arXiv:2304.11584},
year = {2023}
}
备注
Accepted to IJCAI'23. Code will be available at https://github.com/haooozi/OSP2B