SonarT165：用于声学物体跟踪的大规模基准与STFTrack框架
计算机视觉与模式识别
2025-04-23 v1
摘要
水下观测系统通常集成光学摄像机和成像声呀系统。当水下可见性不足时，只有声呀系统才能提供稳定的数据，这就需要探索水下声学物体跟踪(UAOT)任务。以前的研究探索了传统方法和Siamese网络用于UAOT。然而，缺乏统一的评估基准显著限制了这些方法的价值。为缓解这一限制，我们提出了第一个大规模UAOT基准，SonarT165，包含165个方形序列、165个喇叭序列和205K高质量注释。实验结果表明，SonarT165揭示了当前最先进SOT跟踪器的局限性。为解决这些局限性，我们提出了STFTrack，一个用于声学物体跟踪的高效框架。它包括两个新模块，多视图模板融合模块(MTFM)和最优轨迹校正模块(OTCM)。MTFM模块整合了原始图像和动态模板的二进制图像的多视图特征，并引入类似跨注意力的层来融合时空目标表示。OTCM模块引入声学响应等效像素属性并提出归一化像素亮度响应得分，从而抑制由不准确Kalman滤波预测框引起的亚最优匹配。为进一步提高模型特征，STFTrack将声学图像增强方法和频率增强模块(FEM)引入其跟踪管道。全面实验表明，提出的STFTrack在所提出的基准上实现了最先进的性能。代码可在 https://github.com/LiYunfengLYF/SonarT165 获取。
引用
@article{arxiv.2504.15609,
title = {SonarT165: A Large-scale Benchmark and STFTrack Framework for Acoustic Object Tracking},
author = {Yunfeng Li and Bo Wang and Jiahao Wan and Xueyi Wu and Ye Li},
journal= {arXiv preprint arXiv:2504.15609},
year = {2025}
}