OST：面向点云三维单目标跟踪的高效单流网络
计算机视觉与模式识别
2024-06-10 v2
摘要
尽管近期基于孪生网络的跟踪器在 LiDAR 点云单目标跟踪中取得了令人印象深刻的感知精度，它们通常仅利用繁重的互相关操作来捕获类别级特征，并忽视了相对于多目标跟踪的任意性这一固有优点。在本工作中，我们提出了一种具有实例级编码优势的全新单流网络，其避免了先前孪生网络中出现的互相关操作，从而大幅降低了计算量。具体而言，所提方法主要由模板感知 Transformer 模块（TTM）和能够融合空间与语义信息的多尺度特征聚合（MFA）模块组成。TTM 将指定模板与搜索区域拼接在一起，并利用注意力机制建立信息流，打破了先前的独立提取-相关模式。因此，该模块可直接生成适用于目标任意且持续变化特性的模板感知特征，使模型能够处理未见过的类别。此外，提出 MFA 以使空间与语义信息互为补充，其特点为从浅层到深层聚合信息的反向特征传播。在 KITTI 和 nuScenes 上的大量实验表明，我们的方法不仅在类特定跟踪上，而且在类无关跟踪上均以更少的计算量和更高的效率取得了可观的性能。
引用
@article{arxiv.2210.08518,
title = {OST: Efficient One-stream Network for 3D Single Object Tracking in Point Clouds},
author = {Xiantong Zhao and Yinan Han and Shengjing Tian and Jian Liu and Xiuping Liu},
journal= {arXiv preprint arXiv:2210.08518},
year = {2024}
}
备注
12 pages,9 figures