新出论文总结

本文档主要记录新出的论文（包括大量ArXiv预印本），主要是学习思路和方法，其具体水平还有待时间检验。

目录

论文详情

TOWARDS ACCURATE STATE ESTIMATION: KALMAN FILTER INCORPORATING MOTION DYNAMICS FOR 3D MULTI-OBJECT TRACKING {#RobMOT+}

• 发表信息: ArXiv 2025.5
• 未开源

核心贡献描述

说是动态模型，不如说是动态调整模型的参数。作者首先使用一个基座运动模型：Jerk模型（一直建模到加加速度）。然后给速度，加速度，加加速度一个权重，通过调整权重来实现模型的动态调整。 而权重的获得，理想情况下是通过目标真实运动状态的差分（及高级差分）获得的。但是真实状态不可得，作者使用去噪的观测值来近似真实状态，从而计算出差分。此外，并非简单差分就是权重，还设置了一个高斯分布，以及归一化来获得权重。

学习收获

作者的运动模型，实质上就是CV,CA,JERK。但是没有考虑到转向模型。不过思路可以借鉴学习，也就是通过后续的真值来动态调整运动模型。 对比作者的上一篇工作，提升真的不高。

DIMM: Decoupled Multi-hierarchy Kalman Filter for 3D Object Tracking

• 发表信息: ArXiv 2025.5
• 未开源

核心贡献描述

主要提出了两个大的创新点。首先作者的baseline是IMM（交互多模型滤波器）。它指出IMM存在的两个大问题：首先是3维各个方向的运动状态可能是不相同的，而IMM是把各个方向的状态耦合在一起的。其次，IMM在更新模型概率时，是用的观测的值作为真值来计算误差，从而更新概率，这里就引入了观测噪声的问题。 针对第一个问题，作者提出了将3维各个方向的状态进行拆分。每个维度上分别做CV,CA,CK模型的IMM。作者提到这样做扩大了解的空间。但是我认为这个说法有一定的问题。假如说三个模型的状态向量不存在平行，那么他们就是三维空间的一组基向量，一样是可以表示任意的三维状态的。而拆分成基坐标系，就相当于把基向量换成了标准正交基而已。但是，我也同意作者的部分观点：这样确实扩大了解的空间：由于固定模型，所以状态向量的变化范围是受限的，而拆分后，每个维度的状态向量可以独立变化，从而扩大了状态向量的变化范围。这个部分我觉得还可以更进一步，沿着作者的思路走：各个方向上的运动是不一样的。

针对第二个问题，作者提出了使用强化学习的方法来学习生成概率矩阵。 其中值得借鉴的是奖励的设置。不同于将和真值的误差作为奖励，作者将“模型的误差”和”普通IMM的误差“之间的差值作为奖励。这样缓解了观测噪声的问题。当学习模型比传统方法好的时候，奖励为正，否则为负。

学习收获

1. 各个方向运动不同。拆分的方法可以试试效果先。
2. 学习奖励的设计。

3D Multi-Object Tracking Driven by Multi-Level Association and Intelligent Filtering

• 发表信息: IEEE TITS, Vol.27 No.1, January 2026
• 未开源

核心贡献描述

针对3D MOT中预测、关联、修正三个环节的缺陷，提出三个配套模块形成闭环：

AESSP（自适应估计平滑状态预测）：用加速度差分动态估计下一时刻加速度：$\hat{a}^j_{t+1} = \xi a^j_t - a^j_{t-1}$，再用平滑因子融合预测速度与估计速度，抑制预测噪声。本质仍是线性外推，但比纯CV/CA更贴近真实运动。

MLTIA（多级轨迹集成引导关联）：按检测和轨迹的置信度各分高/低两类，进行4级级联匹配（高×高用3D IoU，低×高用3D GIoU，依此类推）。轨迹置信度由KF协方差矩阵量化，遮挡目标复现时的置信度变化规律也作为辅助相似度。

QIFTC（质量感知智能滤波轨迹修正）：计算检测框与轨迹预测方向的角度偏差 θ，超过阈值则判定为漂移检测，对中心坐标、尺寸、朝向角分别用指数衰减函数回归修正，再送入KF更新，避免误差积累。

学习收获

1. 多级关联的思路本质是ByteTrack的扩展，但以置信度双维度划分（检测+轨迹）比单维更细致，遮挡轨迹的处理更系统。
2. QIFTC的角度偏差检测漂移的思路值得借鉴：用预测方向和观测方向的一致性作为质量信号，比纯置信度更能感知几何异常。
3. 行人类HOTA仅53%，说明方法对尺寸小、运动随机的目标泛化性弱，主要价值在车辆跟踪。超参数多（C、ω、α、β、τ），工程成本不低。

PB-MOT: Pose-aware Association Boosted Online 3D Multi-Object Tracking

• 发表信息: IROS 2025, Hangzhou
• 未开源

核心贡献描述

3D MOT关联面临复杂性-精度困境：IoU精度高但计算重，距离类方法快但忽略朝向。同时自车运动与目标运动耦合导致KF预测偏差。提出四个模块：

旋转椭圆IoU（RE-IOU）：以旋转椭圆等高线建模目标框，等高线形状由长宽比 γ 和速度自适应旋转角 θ_rot 控制，用**切比雪夫多项式（4阶）**近似三角函数大幅降低计算复杂度，最终精度接近GIoU，速度接近欧氏距离。

扩展代价函数：在RE-IOU基础上乘入朝向代价 $\mathcal{O}$（检测与预测朝向余弦差）和存在代价 $\mathcal{E}$（轨迹历史关联成功率），同时加权双阈值重标定后的检测置信度。

自车运动解耦（EM）：从SLAM/GPS获取帧间自车相对位姿变换，将前帧轨迹转换到当前坐标系，再用CV+KF预测目标绝对运动。

自适应轨迹管理（ATM）：区分静止目标和运动目标，静止目标采用更慢的存在代价衰减，避免遮挡时被错误删除。

KITTI在线方法：HOTA 81.94%，AssA 85.55%，MOTA 91.32%，CPU速度 2402.76 FPS。

学习收获

1. RE-IOU是本文最实质的贡献：兼顾效率和精度，切比雪夫近似的工程创意值得学习，HOTA vs GIoU提升+1.265%证明其有效。
2. 自车运动解耦在动态驾驶场景中必要性高，FRAG减少31.85%是直接证明。静止/运动目标分类管理轨迹寿命的思路也值得参考。
3. 2402 FPS仅含跟踪算法本身（不含3D检测器），实际系统参考价值有限；依赖SLAM/GPS在室内或GPS遮挡区域失效。旋转椭圆在朝向接近0°/90°时等高线形状与真实框吻合度下降。

PD-SORT: Occlusion-Robust Multi-Object Tracking Using Pseudo-Depth Cues

• 发表信息: IEEE Transactions on Consumer Electronics, Vol.71 No.1, February 2025
• 代码公开

核心贡献描述

2D MOT遮挡场景下，目标边界框重叠导致纯位置信息无法区分不同目标，提出将伪深度作为第三运动维度引入KF状态：

伪深度建模：通过"补充视角"无需深度传感器估计伪深度：$pd = 2 \times IMG_h - Y_b$（图像高度两倍减去框底部y坐标），对目标移出边缘的情况鲁棒。将 $pd$ 和深度速度 $v_{pd}$ 加入KF状态向量。

深度体积IoU（DVIoU）：将2D IoU扩展为体积IoU，引入伪深度作为第三维：$V = w \cdot h \cdot pd$，遮挡时2D重叠但深度不同的目标可被有效区分。

量化伪深度测量（QPDM）：将帧内深度范围等分为若干区间，用区间编号代替原始深度值，减少部分遮挡引起的深度估计误差传播。

相机运动补偿（CMC）：稀疏光流+RANSAC估计仿射变换，校正运动相机引起的位置偏移，同时修正KF状态和历史观测坐标。

DanceTrack：HOTA 58.2%（+3.6 vs OC-SORT），AssA 42.1%（+1.9），IDF1 57.5%（+2.9）。

学习收获

1. 核心思路有意义：在纯2D场景中将深度信息引入运动状态是首次尝试，无需深度传感器。DanceTrack +3.6 HOTA证明在外观高度相似+非线性运动+密集遮挡场景下深度线索确实有效。
2. DVIoU混合了像素坐标和伪深度量纲，物理意义上不严格，需精细调参；伪深度核心假设（相机在地面以上、目标在同一地平面）在坡道、楼梯或大俯仰角相机下失效。
3. MOT17/20提升仅+0.6~0.7 vs DanceTrack的+3.6，说明方法价值集中在非线性运动+遮挡的特定场景，行人直线行走场景提升有限。

Co-MOT: Exploring the Collaborative Relations in Traffic Flow for 3D Multi-Object Tracking

🌟 基本信息

• 未开源
• 发表信息：IEEE Transactions on Intelligent Transportation Systems ( Volume: 26, Issue: 4, April 2025)
• 其他：注意有两个简称Co-MOT的方法，为了避免混淆，这里使用Co-MOT-tits来表示，是使用GNN修正KF的方法。另一种是E2E方法。

MambaTrack: A Multi-Modal Multi-Object Tracking Framework with a Novel Kalman Filter

🌟 基本信息

• 开源地址：https://github.com/JackWoo0831/Mamba_Trackers (非官方实现)
• 发表信息：ACMMM 2025

🎯 核心内容

• 将Mamba模块引入追踪器，取代卡尔曼滤波器从而达到更好的非线性预测效果。

💡 学习收获

• 该文章仅仅添加了Mamba模块，其它都使用的SORT基本框架。但是其效果非常好，说明Mamba模块确实有很好的效果。

🎨 TODO

• 实现Mamba模块，并添加到SORT中。
• 具体理解Mamba原理。

DINO-MOT: 3D Multi-Object Tracking With Visual Foundation Model for Pedestrian Re-Identification Using Visual Memory Mechanism

🌟 基本信息

• 开源地址：未开源
• 发表信息：RAL2025

🎯 核心内容

• 将DINOv2特征提取器引入MOT
• 它并非采用的传统REID的方法，而是使用视觉LUT来矫正追踪的情况。
• 文章采用了两条线来完成追踪任务。主线依旧是传统的TBD框架，并且算是各方法的大成者，不同目标设置不同模型、不同参数、不同的关联矩阵和阈值。此外，另一条线就是重识别，利用LUT模块来纠正IDSW。主要思路是，如果提取到的特征和LUT库中的非常相似，那么这就是同一个目标，如果之前匹配错了此时会进行纠正。

HybridTrack: A Hybrid Approach for Robust Multi-Object Tracking

🌟 基本信息

• 开源地址：https://github.com/leandro-svg/HybridTrack
• 发表信息：IEEE Robotics and Automation Letters，2025,07

🎯 核心内容

• 设计了一个前端MLP网络，后端KALMANNET的新型滤波器

RobMOT: 3D Multi-Object Tracking Enhancement Through Observational Noise and State Estimation Drift Mitigation in LiDAR Point Clouds

🌟 基本信息

• 开源地址：未开源
• 发表信息：TITS2025

🎯 核心内容

• 采用了一种新的检测数据提取方式。就是更宽松了，放入一些低置信度但是也可能是真检测的结果。
• 针对每种检测器提出了一个精修的卡尔曼滤波器。经过数据统计，发现检测器的误差呈现出一个高斯分布，所以新增了一个噪声参数来进行补偿。
• 轨迹验证机制：用来消除幽灵轨迹。大致就是一个轨迹有一个评分机制，如果评分高于阈值就认定为是真实轨迹。是一种降低误检的机制。
• 提出了一种新的轨迹生命管理策略，通过协方差来决定轨迹的存活与否，通过目标的不确定度来决定是否继续跟踪。这框架确实和之前大不相同。

Focusing on Tracks for Online Multi-Object Tracking

🌟 基本信息

• 开源地址：未开源
• 发表信息：2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)

🎯 核心内容

本文最大的特点就是不再是过去全局优化（匈牙利算法），而是以轨迹为中心进行设计，聚焦每个轨迹的局部匹配精度和可靠初始化，适配多目标跟踪中轨迹与检测结果的强关联性。

• 数据关联：Track-Perspective-Based Association（TPA）
  • 全面使用了检测结果。本文使用到的检测结果包括 NMS后的高置信度结果、NMS后的低置信度结果、NMS排除但是置信度高的结果。如此一来，数据关联的候选集就非常丰富。然后作者的匹配方法其实是一个贪婪算法。检测和轨迹都是当前集合最优（互相）的时候认为是匹配。然后集合缩小，重复直到所有都低于阈值。
• 轨迹初始化：Track-Aware Initialization（TAI）
  • 由于检测结果的候选非常多，自然追踪器误检的情况会变多，作者就专门就此提出了一种初始化方法。其实就是一个NMS，在匹配任务完成后，围绕“匹配的轨迹”和“置信度非常高的检测”为中心做NMS，以排除误检。

💡 学习收获

本文的方法也是非常的简单。我认为提点的最大原因在于检测结果收录的更多了。所有模块都是围绕这一点展开的。

LA-MORT: LA-MOTR: End-to-End Multi-Object Tracking by Learnable Association

🌟 基本信息

• 开源地址：https://github.com/PenK1nG/LA-MOTR
• 发表信息：2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition(CVPR)

🎯 核心内容

• 提出了一个端到端的多目标追踪框架LA-MORT，解决了检测与关联之间的竞争问题。
• 文章认为现有的E2E方法

Occlusion-Aware SORT: Observing Occlusion for Robust Multi-Object Tracking

• 发表信息: CVPR 2026
• 未开源：未开源

核心贡献描述

主动寻找是否遮挡，然后根据遮挡来调整关联代价函数以及更新策略。 寻找遮挡的方法（OAM）是：（1）通过离底边的距离判断深度（2）根据深度判断是否遮挡，计算遮挡的程度（IOU），再用高斯映射弱化背景遮挡问题 通过遮挡程度调整代价函数（OAO），遮挡程度越高，关联代价越大，优先级靠后 根据遮挡程度优化更新策略（BAM），遮挡程度越高，更相信预测值，弱化观测值的影响

学习收获

显式地找遮挡情况，这个想法值得深入。以及它找遮挡的方法也相当有启发性。

模板

• 发表信息:
• 未开源

核心贡献描述

学习收获