Причинная кросс-видовая память для онлайн-отслеживания трехмерных объектов
Получена: 09.11.2026 Доработана: 10.11.2026 Принята: 11.11.2026
Опубликована: 2026 год, том 30, выпуск 4, С. 369–372
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
EN