SIRA: レーダー認識のためのスケーラブルなフレーム間関係と関連付け

従来のレーダー特徴量抽出は、空間解像度の低さ、ノイズ、多重反射、ゴースト目標の存在、および運動ブラーなどの制約に直面しています。特に自己中心的な視点から見た非線形物体運動によって、これらの制約はさらに悪化する可能性があります。これらの課題に対処するためには、時間的な特徴関係を長期的に活用し、空間的な運動の一貫性を確保して効果的な関連付けを行うことが重要であることが明らかになっています。この論文では、SIRA（スケーラブルなフレーム間関係と関連付け）という手法を提案し、2つの設計を取り入れています。まず、Swin Transformerに着想を得て、拡張された時間的関係を導入しました。これにより、既存の時間的関係層が2つの連続したフレームから複数の間隔フレームへと一般化され、時間的に再グループ化されたウィンドウ注意機構によりスケーラビリティが向上します。次に、観測データから生成される疑似トラックレットの概念に基づいて、運動一貫性トラックを提案しました。これにより軌道予測が改善され、その後の物体関連付けもより正確になります。当手法はRadiateデータセットにおいて向き付き物体検出で58.11 [email protected]を達成し、複数物体追跡で47.79 MOTAを達成しました。それぞれ従来の最先端技術に対して+4.11 [email protected]と+9.94 MOTAの改善幅を示しています。