沈阳自动化所多项研究成果获计算机视觉和模式识别、人工智能领域国际学术会议录用

2025/4/2 9:09:19 17957: 来源：中国科学院沈阳自动化研究所

摘要：研究团队针对多相机多目标跟踪低光场景下跟踪精度低的问题，通过Mamba网络构建了能将光照强度、可见光模态和红外模态自适应融合的新颖融合模块ADMF，借助ADMF搭建了首个全天时多目标跟踪框架ADMCMT。

　　【仪表网产业报道】近日，机器人学研究室机器智能研究组全天时多相机多目标跟踪(All-Day Multi-Camera Multi-Target Tracking)研究成果被计算机视觉和模式识别领域国际学术会议(IEEE CVPR 2025 )正式录用。

　　研究团队针对多相机多目标跟踪低光场景下跟踪精度低的问题，通过Mamba网络构建了能将光照强度、可见光模态和红外模态自适应融合的新颖融合模块ADMF，借助ADMF搭建了首个全天时多目标跟踪框架ADMCMT。团队还构建了首个RGBT多相机多目标跟踪数据集M3Track(即将发布，包含19个不同的真实场景中收集了 88 个序列，共计118K×2红外-可见光帧)。团队通过实验验证了ADMCMT方法在低光场景下提高跟踪精度的有效性。M3Track数据集将为后续的全天时跟踪方法研究提供数据支撑。

　　IEEE CVPR全称为IEEE/CVF Conference on Computer Vision and Pattern Recognition，是计算机视觉和模式识别领域的国际学术会议，被誉为计算机视觉与模式识别领域的旗舰会议和风向标。

　　该论文第一作者为机器人学研究室范慧杰研究员，通讯作者为王强博士。

　　另悉，研究团队两项理论研究成果GLM: Global-Local Variation Awareness in Mamba-based World Model(第一作者为博士生贺骞，通讯作者为田建东研究员)和FMambaIR: A Hybrid State Space Model and Frequency Domain for Image Restoration(第一作者为博士生栾鑫，通讯作者为范慧杰研究员)分别发表于人工智能领域学术会议(AAAI 2025)以及IEEE Transactions on Geoscience and Remote Sensing。

　　上述研究成果得到了国家自然科学基金项目，所基础研究项目和机器人学国家重点实验室自主项目等的支持。