#996
summarized by : Naoya Chiba
GNN3DMOT: Graph Neural Network for 3D Multi-Object Tracking With 2D-3D Multi-Feature Learning

どんな論文か?

Graph Neural Networkを3D Multi Object Trackingに適用したGNN3DMOTの提案。 シーン中の各物体について,3D特徴量と2D特徴量を抽出,前フレームからTrackingしている物体についてはLSTMで過去の特徴量を引き継ぎ,新規に検出された物体については対応する特徴量をMLPで出力する.これらをフレーム間で対応付けるためにGNNを用いる.
placeholder

新規性

フレーム間での物体同士の対応付けに相当するAffinity MatrixにGNNを用いた点が新規.距離で閾値を設定し対応候補を絞り込んでEdgeとし,これらのEdgeが正しい対応かをTriplet LossとAffinity Loss(直接クラス分類とみなす)学習する.3D特徴量はPointNet,2D特徴量はResNetを用いた.

結果

KITTIとnuScenesで学習して評価,3D MOTとしては高いパフォーマンスを達成.Ablation Studyとして2Dと3Dの移動と形状(外観)の組み合わせと組み合わせ方,ロス関数の設計,Aggregation手法の比較についての評価結果を記載.

その他(なぜ通ったか?等)

対応付けの推定をGNNで解くというアイデアが新規で,実際にスコアが向上している.Ablation Studyが丁寧.