基于跨时间尺度一致性的自动驾驶自监督多目标跟踪

自监督多目标跟踪器具有巨大潜力，因为它们能够从原始领域特定数据中学习。然而，其重识别精度仍落后于有监督对应方法。我们假设这一缺陷源于所构建的自监督目标仅限于单帧或帧对。当帧率较低或物体动态较高时，此类形式无法捕捉足够的视觉外观变化以促进自动驾驶中一致重识别特征的学习。在本工作中，我们提出一种训练目标，通过强制短与长时间尺度上一致的关联分数，实现从多个连续帧自监督学习重识别特征。我们进行了广泛评估，表明与限于帧对训练的现有自监督学习方法相比，从更长序列训练的重识别特征在标准自动驾驶数据集上显著减少了ID切换。使用我们提出的SubCo损失函数，我们在自监督方法中确立了新的最先进水平（SOTA），甚至与全监督学习方法表现相当。