MAETrack

MAETrack框架通过适配预训练模型改进3D目标跟踪

研究人员开发了MAETrack，一个旨在提高大规模预训练模型（特别是掩码自编码器MAE）向3D单目标跟踪任务迁移能力的新框架。该框架解决了直接微调MAE模型因重构目标与跟踪的空间-时间匹配需求不匹配而导致跟踪效果不佳的挑战。MAETrack采用层选择性初始化（LSI）来选择性地微调浅层并重新初始化深层，以及几何残差门控（GRG）来增强特征图中的结构重要区域。在标准基准上的实验表明，MAETrack以最小的计算开销显著提升了跟踪性能。