Причинная кросс-видовая память для онлайн-отслеживания трехмерных объектов

Аннотация

В DeepFusionMOT успешный Stage-4 обновляет счетчики и жизненный цикл, но не сохраненную двумерную память, которая затем используется при недоступной проекции или пропуске лидара. Предложен причинный контур: P3DR использует проекцию прогнозируемого трехмерного параллелепипеда как свидетельство для Stage-4, а C2MC записывает принятое двумерное состояние в память для последующих кадров. Относительно DeepFusionMOT на KITTI Tracking Val11 HOTA повышается с 79,876% до 80,385%, sAMOTA — с 93,01% до 95,42%, FP сокращается с 294 до 110. В контроле при отключенном RRC двумерная ветвь получает штатный или спроецированный прямоугольник того же трехмерного детектора, и выходные файлы последовательностей совпадают с базовой моделью.

Ключевые слова: трехмерное многообъектное отслеживание, камера и лидар, кросс-видовая память, онлайн-ассоциация.

BibTeX
@article{IS-Li-Mamonova2026,
  author  = {Ли, Цзюмин and Мамонова, Татьяна Егоровна},
  title   = {{Причинная кросс-видовая память для онлайн-отслеживания трехмерных объектов}},
  journal = {Интеллектуальные системы. Теория и приложения},
  year    = {2026},
  volume  = {30},
  number  = {4},
  pages   = {369--372},
}
AMSBIB
\RBibitem{IS-Li-Mamonova2026}
\by Ц.~Ли, Т.\,Е.~Мамонова
\paper Причинная кросс-видовая память для онлайн-отслеживания трехмерных объектов
\jour Интеллектуальные системы. Теория и приложения
\yr 2026
\vol 30
\issue 4
\pages 369--372
Опубликовано на условиях лицензии Creative Commons Attribution 4.0 International (CC BY 4.0)

← К номеру журнала

× Issue cover