- …
- …
#996
summarized by : Naoya Chiba
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．
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．
- …
- …