同步特征提取与匹配：一种用于三维目标跟踪的单分支框架
计算机视觉与模式识别
2023-08-25 v1 人工智能
摘要
孪生网络已成为三维LiDAR目标跟踪的事实基准框架，其采用共享参数编码器分别从模板与搜索区域提取特征。该范式严重依赖额外的匹配网络来建模模板与搜索区域间的互相关/相似度。本文摒弃传统孪生范式，提出一种新颖的单分支框架 SyncTrack，同步特征提取与匹配，从而避免对模板与搜索区域两次前向编码器的计算，并引入匹配网络的额外参数。该同步机制基于Transformer的动态亲和性，并从理论上提供了相关性的深入分析。此外，基于该同步机制，我们将一种新颖的注意力点采样策略（APST）引入Transformer层，以模板与搜索区域间注意力关系监督下的采样取代随机/最远点采样（FPS）方法。这意味着将点级采样与特征学习相连接，有利于为稀疏点跟踪聚合更具区分性与几何性的特征。在KITTI与NuScenes两个基准数据集上的大量实验表明，SyncTrack在实时跟踪中取得了最先进的性能。
引用
@article{arxiv.2308.12549,
title = {Synchronize Feature Extracting and Matching: A Single Branch Framework for 3D Object Tracking},
author = {Teli Ma and Mengmeng Wang and Jimin Xiao and Huifeng Wu and Yong Liu},
journal= {arXiv preprint arXiv:2308.12549},
year = {2023}
}
备注
ICCV 2023