研究介绍：
本文提出了一种解决视觉3D感知中端到端多目标追踪器在检测任务中性能退化的方法。 现有研究趋于在统一模型中同时完成端到端的多目标检测和追踪，但这种共同优化往往导致模型检测能力相对于单纯检测器的大幅下滑。 此前，这一问题常被模糊地归因于不同任务需求的目标特征不兼容，而缺乏明确解释。我们发现，检测和追踪任务的冲突源于正样本分配的部分差异，导致两任务优化过程中的分类梯度部分矛盾。
基于此观察，我们通过部分裁剪在两任务中具有相反样本正负性的目标样本的梯度以修复了两任务在优化过程中的冲突。 提出的OneTrack方法基于完全统一的检测/追踪物体特征表示，在其检测性能等同于单纯检测器的同时，其多目标追踪性能大幅超越前有工作。
