SceneTracker：长期场景流估计网络
计算机视觉与模式识别
2025-05-26 v4
摘要
考虑到场景流估计具备空间域聚焦能力但缺乏时间域连贯性，本研究提出长期场景流估计（LSFE），这是一项能够以在线方式同时捕获细粒度与长期三维运动的综合性任务。我们引入SceneTracker，这是首个采用迭代方法逼近最优三维轨迹的LSFE网络。该网络动态且同步地索引并构建外观相关性与深度残差特征，随后利用Transformer探索并利用轨迹内部及轨迹间的长程连接。通过详尽的实验，SceneTracker在解决三维空间遮挡和深度噪声干扰方面展现出卓越能力，高度契合LSFE任务的需求。我们为LSFE领域构建了一个真实世界评估数据集LSFDriving，并在实验中使用它，进一步证明了SceneTracker在泛化能力上的优势。代码与数据可在 https://github.com/wwsource/SceneTracker 获取。
引用
@article{arxiv.2403.19924,
title = {SceneTracker: Long-term Scene Flow Estimation Network},
author = {Bo Wang and Jian Li and Yang Yu and Li Liu and Zhenping Sun and Dewen Hu},
journal= {arXiv preprint arXiv:2403.19924},
year = {2025}
}