arXiv cs.AI· Jiangong Xiao, Zhe Sun, Kanzhong Yao, Yuanbo Bi, Haofei Zhao, Ruixuan Hu, Guan Huang, Xuelong Li·· 9 天前AI 评分17
跨水空界面的连续真值构建与恢复策略：CMRP 提升 MixFormerV2 跟踪性能
Continuous Ground-Truth Construction and a Recovery Policy for Air--Water Robotic Tracking
AI 导读
针对跨水空界面视觉跟踪中飞溅、气泡、折射等导致观测失效的问题，研究者构建了同步相机帧与动捕位姿的真值流水线，生成 22,346 帧的跨介质评测集。其提出的 Cross-Medium Recovery Policy（CMRP）以置信度触发模板选择，为 MixFormerV2 提供固定初始模板、窗口最优预触发模板和触发帧 Kalman 引导裁剪，无需重训练视觉骨干。
正文 · AI 翻译
摘要：跨气水界面的视觉跟踪受到水花、气泡、折射、反射以及可能暂时使观测失效的突然外观变化的挑战。这一场景带来两个相互关联的困难：第一，在评估方面，仅基于图像的标注无法可靠地描述目标在视觉盲区期间的物理位置；第二，在在线跟踪方面，受损的观测会污染运动估计和外观模板。我们通过一条构建流水线解决第一个困难，该流水线将相机帧与动作捕捉位姿同步，投影已知的目标几何形状，用介质门控残差校正水下投影，并对标注进行人工审核。这产生了一个仅用于评估的跨介质测试集，包含 22,346 帧。我们进一步引入了一种以置信度触发模板选择为核心的跨介质恢复策略（CMRP）。它为 MixFormerV2 提供固定的初始模板、窗口内最佳预触发模板以及触发帧的卡尔曼引导图像裁剪，连同其相关权重，而无需重新训练视觉骨干网络。在精度评估中，CMRP 达到 49.90 Macro Success AUC，比 MixFormerV2 Official 高 2.95 个点。在选定的跨介质转换和遮挡恢复区间上，相对于 Official 更新，CMRP 将 MixFormerV2 的跟踪覆盖率从 47.91\% 提高到 50.43\%，而在成功恢复的视频上，平均丢失到恢复延迟从 55.3 帧降至 49.3 帧。
| 评论： | 8 页，6 幅图。提交至 IEEE 国际机器人与自动化会议（ICRA 2027） |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.11096 [cs.CV] |
| （或 arXiv:2610.11096v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.11096 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Jiangong Xiao [查看电子邮件]
[v1]
2026 年 10 月 8 日星期四 02:11:43 UTC（13,195 KB）
来源：arXiv cs.AI · arxiv.org