多目标跟踪（MOT）TQD-Track: Temporal Query Denoising for 3D Multi-Object Tracking

论文作者：Shuxiao Ding,Yutong Yang,Julian Wiederer,Markus Braun,Peizheng Li,Juergen Gall,Bin Yang

作者单位：Mercedes-Benz AG;University of Bonn;University of Stuttgart;University of Tubingen ¨;Lamarr Institute for Machine Learning and Artificial Intelligence

论文链接：http://arxiv.org/abs/2504.03258v1

内容简介：

1）方向：多目标跟踪（MOT）

2）应用：多目标跟踪（MOT）

3）背景：查询去噪已成为DETR-based检测器中标准的训练策略，能够解决收敛速度慢的问题，并且能够增加训练样本的多样性，这对于建模复杂场景尤其在MOT中至关重要。然而，现有方法中，去噪过程仅在单一帧内进行，未能有效利用时序相关信息，且去噪过程中的注意力掩码阻碍了去噪与目标查询之间的信息交换，限制了其在改进自注意力关联上的潜力。

4）方法：为了克服这些问题，提出了TQD-Track方法，该方法引入了时序查询去噪（TQD），使去噪后的查询能够携带时间信息和实例特定的特征表示。研究还在去噪查询中引入了多种噪声类型，模拟了MOT中实际挑战。对于具有显式数据关联模块的追踪范式，如基于检测的追踪或交替检测与关联，TQD方法能够显著提高性能。此外，为了确保追踪和检测查询在推理时的一致交互，还设计了关联掩码。

5）结果：在nuScenes数据集上的大量实验结果表明，通过仅改变训练过程，TQD方法能够一致性地增强不同的追踪方法，尤其是在具有显式关联模块的追踪范式中。