📖 AI 总结

本文提出 PanoPed，一个面向全球面全景行人跟踪的仿真到真实（sim-to-real）基准，旨在解决平面边界框无法准确描述球面上行人位置的问题。该基准包含两部分：PanoPed-S 提供来自固定、四足机器人及无人机相机的 108,000 帧合成数据，配有掩码、深度、相机位姿和三维行人状态；PanoPed-R 则包含 28,002 帧真实固定相机画面，其中 16,247 帧为密集标注。作者发现，等距柱状投影（ERP）矩形无法唯一确定可见行人的球面中心与角范围，但检测器的视觉查询仍蕴含相关信息。受六分仪利用角度测量定位物体的启发，他们提出 Sextant——一个即插即用的角度定位头，仅约 0.035M 参数，复用冻结检测器，不改变跟踪身份，也无需额外图像编码器。在 PanoPed-S 测试中，Sextant 将最强基线 MOTIP 的 HOTA 从 47.30 提升至 49.49，并在全部八个测试序列上均有增益；在未针对真实数据微调的情况下，合成数据训练的定位头仍使 MOTIP 和 HAT 在真实视频上提升 0.96–1.14 HOTA，且两个随机种子均在每个真实序列上取得改进。该工作为全景行人跟踪提供了新基准与轻量有效的定位方案，推动了球面感知与仿真到真实迁移的研究。

🔑 关键词速览