TQD-Track：面向3D多目标跟踪的时间查询去噪
计算机视觉与模式识别
2025-04-07 v1
摘要
查询去噪已成为DETR基检测器标准的训练策略，因其解决了模型收敛缓慢的问题。此外，查询去噪可用于增加训练样本的多样性，以建模复杂场景，这在多目标跟踪（MOT）中至关重要，显示出其在MOT应用中的潜力。现有方法将查询去噪集成到基于注意力的跟踪范式中。然而，由于去噪过程仅在单个帧内发生，无法帮助跟踪器学习与时间相关的信息。此外，查询去噪中的注意力掩码会阻止去噪查询与对象查询之间的信息交换，限制了其在利用自注意力改善关联方面的潜力。为解决这些问题，我们提出了TQD-Track，为MOT设计的时间查询去噪（TQD），使去噪查询能够携带时间信息和实例特定的特征表示。我们在去噪查询上引入多样化的噪声类型，模拟MOT中真实世界的挑战。我们分析了针对不同跟踪范式的TQD，发现具有显式学习数据关联模块（如基于检测的跟踪或交替检测与关联）的范式受益更大。对于这些范式，我们进一步在关联模块中设计关联掩码，以确保跟踪查询和检测查询在推理期间的一致性交互。在nuScenes数据集上进行的大量实验表明，我们的方法仅通过更改训练过程即可一致性地提升不同跟踪方法，尤其是具有显式关联模块的范式。
引用
@article{arxiv.2504.03258,
title = {TQD-Track: Temporal Query Denoising for 3D Multi-Object Tracking},
author = {Shuxiao Ding and Yutong Yang and Julian Wiederer and Markus Braun and Peizheng Li and Juergen Gall and Bin Yang},
journal= {arXiv preprint arXiv:2504.03258},
year = {2025}
}