QueST：作为长时序跟踪中漂移抑制语义监控器的持久查询
计算机视觉与模式识别
2026-05-12 v1 机器人学
摘要
视频中的点跟踪通常被表述为帧到帧的对应问题，其中每个点局部匹配到下一帧。虽然这在短时序内有效，但在关节运动、遮挡和视角变化下误差会累积，导致现有跟踪器无法检测或纠正的隐性语义漂移。在本工作中，我们从监控的视角重新审视长时序跟踪，并引入 QueST，一个监控即设计框架，将与交互相关的实体视为持久语义查询而非瞬态点轨迹。每个查询不进行局部传播，而是在每个时间步全局关注时空视频特征，提供跨时间的稳定语义锚点。我们进一步利用轻量级 3D 物理基础约束查询轨迹，利用几何合理性来抑制遮挡下的无界漂移。我们在 SAPIEN 中来自 PartNet-Mobility 的长时序关节序列上评估了 QueST，并与 RAFT-3D、CoTracker 和 TAP-Net 进行了比较。QueST 显著减少了终端漂移，相较于 TAP-Net 实现了 67.7% 的绝对点误差（APE）改善，同时在长时序内更好地保持了身份。结果表明，将语义监控直接嵌入感知中，能够在分布偏移下实现更可靠的长时序跟踪。
引用
@article{arxiv.2605.09513,
title = {QueST: Persistent Queries as Semantic Monitors for Drift Suppression in Long-Horizon Tracking},
author = {Mayank Anand and Mohammad Saqlain and Kyan Mahajan and Priya Shukla and Gora Chand Nandi and Andrew Melnik},
journal= {arXiv preprint arXiv:2605.09513},
year = {2026}
}