S.T.A.R.-Track：基于潜在运动模型与自适应时空外观表示端到端 3D 目标跟踪
计算机视觉与模式识别
2024-10-15 v3 人工智能
机器人学
摘要
遵循基于注意力跟踪的范式，本文引入了一种以对象为中心、基于 transformer 的 3D 跟踪框架。传统的基于模型的跟踪方法利用几何运动模型来纳入帧间对象与自车运动的几何效应。受此启发，我们提出 S.T.A.R.-Track，其使用一种新颖的潜在运动模型（LMM）在潜在空间中直接调整对象查询，以考虑视角与光照条件的变化，同时仍显式地对几何运动建模。结合一种有助于建模跟踪存在概率的新颖可学习跟踪嵌入，这形成了一个可集成于任何基于查询的检测器的通用跟踪框架。在 nuScenes 基准上的大量实验证明了我们方法的优势，在展示基于 DETR3D 的跟踪器最优性能的同时，大幅减少了跟踪的身份切换数量。
引用
@article{arxiv.2306.17602,
title = {S.T.A.R.-Track: Latent Motion Models for End-to-End 3D Object Tracking with Adaptive Spatio-Temporal Appearance Representations},
author = {Simon Doll and Niklas Hanselmann and Lukas Schneider and Richard Schulz and Markus Enzweiler and Hendrik P. A. Lensch},
journal= {arXiv preprint arXiv:2306.17602},
year = {2024}
}
备注
\c{opyright} 2023 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works