11:10arXiv cs.AI@Matvei Shelukhan, Timur Mamedov, Aleksandr Chukhrov, Karina Kvanchiani多视角目标关联是计算机视觉中的关键问题,常用于多摄像头感知任务。该任务本质上是约束的一对一匹配问题,但近期研究却依赖成对排名指标(如AP和FPR-95)来评估模型。论文指出这些指标与实际分配目标之间存在根本性错配:理论上,即使分配正确,AP和FPR-95也可能不完美;而最优的成对排名仍可能导致错误分配。通过Sinkhorn归一化作为后处理测试,作者发现优化少量参数能显著提升AP和FPR-95,但分配级指标(如ACC和IPAA)并未相应改善。这提醒研究者需谨慎选择评估指标,避免被表面性能提升误导。论文多视角目标关联评估指标Sinkhorn归一化计算机视觉论文推荐理由:这篇论文点破了多视角目标关联领域的一个常见误区——用排名指标评估分配任务可能得出虚假结论。做多摄像头感知或目标关联的开发者,看完会重新审视自己的模型评估方式,建议点开了解如何用Sinkhorn归一化做压力测试。原文