动效网站网站 改版

【导读】

3D点云目标跟踪是自动驾驶、机器人等领域的关键任务，但不同类别物体的几何差异让模型难以“一招通吃”。本文介绍的 TrackAny3D，首次提出将大规模预训练3D模型迁移到点云单目标跟踪任务，实现了 类别无关、统一建模，并在多个数据集上取得SOTA成绩。>>更多资讯可加入CV技术群获取了解哦

在自动驾驶、机器人感知、安防监控等领域，三维点云单目标跟踪（3D SOT） 是一项基础且关键的能力。任务的核心，是让系统在一段动态点云序列中持续锁定某个目标物体（例如汽车、行人或自行车），输出其位置和姿态。

相比依赖纹理和颜色的RGB视频跟踪，基于LiDAR的3D点云跟踪只有稀疏、无序的点作为线索。这带来两个核心难题：

• 几何差异巨大：汽车、行人、骑行者的尺寸、运动模式和结构复杂度差异极大。

• 类别专属瓶颈：现有方法普遍采用“一个类别一个模型”，虽然精度高，但实用性差，既占用算力和存储，又缺乏泛化能力。

研究发现，当这些方法尝试在所有类别上训练一个统一模型时，性能会明显下降。这让“统一建模”长期成为难以跨越的障碍。

与此同时，大规模预训练模型在图像和自然语言处理领域掀起了革命：CLIP、LLaMA 等基础模型展现出极强的迁移与泛化能力。那么，3D点云领域能否借助预训练模型的几何先验，解决类别统一的问题？

这正是本文提出的 TrackAny3D 的突破所在

在Coovally平台上包括多模态3D检测、目标追踪、目标检测、文字识别、实例分割、关键点检测等全新任务类型。

！！点击下方链接，立即体验Coovally！！

平台链接：https://www.coovally.com

平台汇聚国内外开源社区超1000+热门模型，覆盖YOLO系列、Transformer、ResNet等主流视觉算法。同时集成300+公开数据集，一键下载即可投入训练，彻底告别“找模型、配环境、改代码”的繁琐流程！

---

一、模型方法：TrackAny3D 的核心思路

TrackAny3D 的目标是用一个统一的模型，追踪任何类别的目标。为此，作者设计了三大核心模块：

• 参数高效适配器（Adapter）

在预训练Transformer层中加入“双路径适配器”：

• 特征适配路径：对预训练特征进行下采样、激活、上采样，实现对齐；

• 强度调节路径：通过动态权重控制适配程度。

这样既保留了预训练模型的几何先验，又能高效适配到跟踪任务。

与全量微调相比，这种 参数高效迁移（PEFT） 能显著减少训练开销，并避免覆盖掉已有知识。

• 几何专家混合（MoGE, Mixture-of-Geometry-Experts）

借鉴 Mixture-of-Experts 的思想，引入多个“几何专家”子网络。

模型会根据输入物体的几何特征，自适应选择激活哪些专家：

• 刚体目标（如汽车、货车）更多激活 Expert 0、6；

• 非刚体目标（如行人、自行车）则偏向 Expert 3、7。

这让模型摆脱了对类别标签的依赖，转而从几何形态出发，解决跨类别差异。

• 时间上下文优化（Temporal Context Optimization）

3D跟踪不仅是静态几何匹配，更关乎时间序列的连贯性。为此，作者提出：

• 时间token传播：在每一帧中引入可学习时间token，并将历史信息传递到后续帧，减少跟踪漂移。

• 动态掩码加权（DMW）：对模板和搜索区域的点云掩码赋予可学习权重，使模型能自适应区分前景与背景噪声。

实验表明，这一设计能在拥挤场景中保持稳定目标定位。

---

二、技术创新点总结

TrackAny3D 的贡献主要体现在三个方面：

1. 首次将大规模3D预训练模型迁移到点云跟踪，避免了传统方法中“每个类别一个模型”的限制。

2. 引入几何专家混合（MoGE），通过几何特征自适应选择专家，真正实现“类别无关”的统一模型。

3. 提出时间上下文优化，结合时间token和动态掩码，让模型在长期跟踪和复杂场景下依旧稳健。

这三个设计环环相扣，解决了预训练迁移面临的三大难题：分布差异、几何冲突、缺乏时间建模。

---

三、实验结果与表现

• KITTI数据集

类别统一条件下，TrackAny3D 的平均成功率达到67.1%，超越了所有方法，尤其比MoCUT高1.3%。

在Car类别上更是领先6%，证明了其在大规模类别差异下的鲁棒性。

• NuScenes数据集

在长尾类别（如Truck、Bus、Trailer）表现尤为突出，甚至超过了类别专属训练的模型。

整体上，TrackAny3D 在统一设置下依旧领先，验证了几何专家机制的有效性。

• Waymo Open Dataset

使用在KITTI上训练的模型，直接推理Waymo数据，仍然取得64.0%的领先表现。

说明TrackAny3D不仅跨类别强，还能跨数据集泛化。

• 消融实验

Adapter、MoGE、时间token和DMW均被验证为有效模块，逐步提升性能。

实验证明：MoGE不宜过多堆叠，适度插入能避免过拟合。

• 可视化结果

在点云稀疏、背景复杂或人群密集场景下，TrackAny3D 依然能与真实目标高度对齐，而其他方法则出现偏移或丢失。

---

总结与展望

TrackAny3D 跨越了点云跟踪的长期难题：不再为每个类别单独训练模型，而是用一个统一模型应对所有类别。它不仅性能领先，还降低了实际部署成本，在自动驾驶、机器人、监控等场景中都有直接应用价值。

未来方向：

• 更大规模的预训练模型：随着3D数据集扩展，几何先验会更强。

• 多模态融合：结合视觉、点云与语义信息，进一步提升复杂环境下的鲁棒性。

• 开放世界跟踪：真正做到“遇见任何目标，都能稳定追踪”。

TrackAny3D 的出现，意味着点云跟踪开始走向 “大一统”的新阶段。