arXiv cs.AI· Jiahui Hu, Li Gao, Yu Liu, Pengzhan Zhou·· 11 小时前AI 评分29
CVG-SGM：跨可见性缺口的 4D 场景图身份保持方法
Cross-Visibility-Gap Identity Persistence for 4D Scene Graphs
AI 导读
CVG-SGM 通过“转移—维持—读取”记忆机制，在目标被不透明载体遮挡后重新出现时恢复其历史身份。在单载体单身份的受控设置下，其重链接准确率达 1.000，而无记忆与参数量匹配的无写入对照组均为 0.570；在真实 RGB-D/SAM2 特征级片段上，36/36 个留出检测被正确重链接，最强固定载体—身份对照组为 28/36。该方法仍受共享载体身份歧义限制，且不提供端到端原始视频重识别。
正文 · AI 翻译
摘要：4D 场景图要求：当一个物体在不透明载体内部消失、之后又以新的检测结果重新出现时，仍能保持持久的物体身份。当外观信息和以目标为中心的运动信息不可用时，身份恢复必须依赖关系历史。我们将跨可见性间隙的身份保持问题，形式化为通过记忆中的目标—载体绑定进行的历史节点恢复。
我们提出 CVG-SGM，一种与感知前端兼容的传递—维持—读取记忆机制。几何加权的跨节点交互将目标特定证据传递到载体状态中，共享的逐节点 GRU 在运输过程中维持这些信息，而双时刻读出则将存储的载体—身份兼容性与当前检测—载体几何相结合，以恢复历史身份。
在受控的“每个载体一个身份”设置下，CVG-SGM 实现了 1.000 的重链接准确率，而无记忆和参数量匹配的无写入对照组均为 0.570。它还能泛化到场景不相交、未见过的更长可见性间隙。在真实 RGB-D/SAM2 特征级片段上，它正确重链接了 36/36 个留出检测，而最强的固定载体—身份对照组为 28/36。反事实载体记忆交换会根据交换后的绑定重定向预测，支持了存储的关系信息在身份恢复中的作用。当前方法仍受限于共享载体身份歧义，并且不提供端到端的原始视频重识别。
| 评论： | 8 页，2 幅图 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.27505 [cs.CV] |
| （或 arXiv:2610.27505v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.27505 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jiahui Hu [查看电子邮件]
[v1]
2026 年 10 月 20 日星期二 02:20:34 UTC（1,243 KB）
来源：arXiv cs.AI · arxiv.org