EasyTrack: Efficient and Compact One-stream 3D Point Clouds Tracker

大多数基于点云的3D单目标跟踪器（SOT）都遵循两流多阶段3D孪生或运动跟踪范例，使用两个并行分支处理模板和搜索区域点云，建立在受监督的点云主干上。在这项工作中，我们提出了一种新颖的、整洁而紧凑的一流变换器3D SOT范例，从新的角度提出，称为EasyTrack，超越了典型的3D孪生或运动跟踪，由三个特殊设计组成：1）开发了一个3D点云跟踪特征预训练模块，利用掩蔽自编码来学习3D点云跟踪表示。2）提出了一个统一的3D跟踪特征学习和融合网络，同时学习目标感知的3D特征，并通过灵活的自我关注机制广泛捕捉相互关联。3）在密集的鸟瞰图（BEV）特征空间中构建了一个目标位置网络，用于目标分类和回归。此外，我们开发了一个名为EasyTrack++的增强版本，设计了中心点交互（CPI）策略，以减少由噪声点云背景信息引起的模糊目标。EasyTrack和EasyTrack++在KITTI、NuScenes和Waymo上取得了新的最先进的性能（成功率分别提高了18%、40%和3%），同时以很少的参数（1.3M）运行在52.6fps。代码将在https://github.com/KnightApple427/Easytrack上提供。

论文旨在提出一种新的3D单目标追踪器EasyTrack，以解决当前3D Siamese或运动追踪方法的局限性，并在KITTI、NuScenes和Waymo数据集上取得最新的最优结果。

EasyTrack提出了三个特殊设计：1）开发了一个3D点云追踪特征预训练模块，利用掩码自编码器学习3D点云追踪表示。2）提出了一个统一的3D追踪特征学习和融合网络，同时学习目标感知的3D特征，并通过灵活的自注意机制广泛捕捉相互关联。3）在密集的鸟瞰图特征空间中构建目标位置网络，用于目标分类和回归。

论文通过实验表明，EasyTrack和EasyTrack++在KITTI、NuScenes和Waymo数据集上取得了最新的最优结果，成功率分别提高了18％、40％和3％，而且运行速度为52.6fps，参数量仅为1.3M。此外，论文还公开了代码。

在最近的研究中，也有一些关于3D单目标追踪的相关研究，如《DeepMOT: A Differentiable Framework for Training Multiple Object Trackers》、《Joint 3D Instance Segmentation and Tracking》等。