多相关等式变压器网络与稠密连接用于 3D 单物体跟踪
原文中文,约300字,阅读约需1分钟。发表于: 。稀疏 LiDAR 点云数据仍然存在挑战,因此本文提出了一种多相关 Siamese Transformer 网络,通过在每个阶段末尾基于稀疏支柱进行特征相关,以学习搜索区域的特征并保持模板的独立特征。该算法在 KITTI、nuScenes 和 Waymo 数据集上取得了有希望的性能,并提供了对每个组件有效性的消融实验研究。
本文介绍了SyncTrack,一种新型单分支框架,通过同步特征提取和匹配,避免了传统方法中的编码器传递和额外的匹配网络参数。使用新的注意力点采样策略(APST)实现稀疏点跟踪。实验结果显示SyncTrack在实时跟踪方面表现出最先进的性能。