Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

CompTrack: Information Bottleneck-Guided Low-Rank Dynamic Token Compression for Point Cloud Tracking

Created by
  • Haebom
Category
Empty

저자

Sifan Zhou, Yichao Cao, Jiahao Nie, Yuqian Fu, Ziyu Zhao, Xiaobo Lu, Shuo Wang

개요

LiDAR 포인트 클라우드에서 3D 단일 객체 추적은 컴퓨터 비전 및 자율 주행의 중요한 작업입니다. 기존 추적기의 한계를 극복하기 위해, 본 논문은 CompTrack이라는 새로운 end-to-end 프레임워크를 제안합니다. CompTrack은 공간적 배경 잡음으로 인한 공간적 중복성과, 전경 내 정보적 중복성을 제거합니다. 이를 위해, Spatial Foreground Predictor (SFP) 모듈을 사용하여 배경 노이즈를 필터링하고, Information Bottleneck-guided Dynamic Token Compression (IB-DTC) 모듈을 통해 전경 내 정보 중복성을 제거합니다. KITTI, nuScenes 및 Waymo 데이터셋에서의 실험 결과, CompTrack은 뛰어난 효율성(RTX 3090 GPU에서 90 FPS)과 함께 최고 수준의 추적 성능을 달성했습니다.

시사점, 한계점

시사점:
LiDAR 포인트 클라우드에서 3D 단일 객체 추적 성능 향상.
공간적 및 정보적 중복성을 효과적으로 제거하는 새로운 프레임워크 제시.
실시간 처리가 가능한 높은 효율성 달성.
한계점:
논문에 명시된 한계점은 없음.
👍