Apr, 2023

SportsMOT：多场景多种运动的大规模多物体追踪数据集

PDF
TL;DR本文提出了一种新的大规模多目标追踪数据集 SportsMOT，旨在促进运动跟踪器在运动和外观等方面的进步，通过比较当下几种状态最好的跟踪器和 MixSort 框架，我们发现 SportsMOT 的关键挑战在于对象关联，MixSort 框架通过将自定义的基于外观的关联与原始的基于运动的关联相结合，实现了在 SportsMOT 和 MOT17 上的最先进的性能表现。
multi-object trackingsportsmotstate-of-the-art trackersmotion-based associationappearance-based association
发现论文，激发创造
  • TeamTrack: 全场视频中的多项运动多目标跟踪数据集

    多目标追踪是计算机视觉中的关键和困难任务之一，我们介绍了 TeamTrack，一个面向体育运动的创新基准数据集，包括足球、篮球和手球等多种运动项目，并通过综合分析和基准测试展示了其实用性和潜在影响。该工作是对多目标追踪在团队运动等复杂动态环境中精度和有效性的重要进展。

    Apr, 2024

  • SoccerNet-Tracking：足球视频中的多目标跟踪数据集和基准

    在本篇论文中，我们提出了一个可用于多物体跟踪的新型数据集，其包含 200 个 30 秒的序列和一个完整的 45 分钟半场，用于跟踪足球视频中的球员、裁判和球，该数据集带有边界框和跟踪 ID 的完整注释，并能够训练足球领域 MOT 基线并对这些方法进行全面基准测试，结果表明足球视频中的多人、裁判和球跟踪问题还有待改善。

    Apr, 2022

  • MultiSports：一个时空定位的多人体育动作视频数据集

    本文介绍了一个新的多人数据集 MultiSports，用于检测时空定位的体育动作，提供了一组细致的标注，以便作为未来时空动作检测的标准基准。

    May, 2021

  • SOMPT22：一个以监视为导向的多行人跟踪数据集

    本文提供了一个行人数据集并且对最先进技术的一些强弱项进行了分析，对比了单次追踪和两阶段追踪，并得出单次追踪是较佳方案的结论。

    Aug, 2022

  • BoT-SORT: 鲁棒的多行人跟踪关联

    本文介绍了一种新的鲁棒性强的跟踪器，该跟踪器可以将运动和外观信息、相机运动补偿和更准确的卡尔曼滤波状态向量相结合，其新的跟踪器 BoT-SORT 和 BoT-SORT-ReID 在 MOTChallenge 的 MOT17 和 MOT20 测试集上均排名第一。

    Jun, 2022

  • MOTS: 多目标跟踪和分割

    本论文将多目标跟踪扩展到多目标跟踪和分割（MOTS）。为此，我们使用半自动注释程序为两个现有的跟踪数据集创建密集的像素级注释。通过我们的新注释，我们提出了一个新的基线方法，该方法使用单个卷积网络共同处理检测、跟踪和分割。我们演示了我们数据集的价值，在 MOTS 注释上训练可以提高性能，我们相信我们的数据集、指标和基线方法将成为开发超越 2D 边界框的多目标跟踪方法的宝贵资源。

    Feb, 2019

  • MOTChallenge：单目多目标跟踪基准测试

    MOTChallenge 是一个针对单摄像头多目标跟踪设计的标准化比赛，包含三个版本，包括挑战性视频和精确的标签，同时提供了多目标跟踪器分类和广泛的错误分析。

    Oct, 2020

  • TrafficMOT：复杂交通场景下的多目标追踪挑战数据集

    多目标跟踪在交通视频中是一个关键的研究领域，通过利用先进的机器学习算法，可以提高交通监控的准确性并促进道路安全措施。然而，现有的交通视频多目标跟踪数据集通常具有有限的实例或专注于单个类别，无法很好地模拟复杂交通场景中遇到的挑战。为了填补这一空白，我们介绍了 TrafficMOT，一个广泛的数据集，旨在涵盖具有复杂场景的多种交通情况。通过使用三种不同的设置来验证 TrafficMOT 所呈现的复杂性和挑战：完全监督、半监督和最近强大的零样本基础模型 Tracking Anything Model（TAM）。实验结果突出了该数据集的内在复杂性，强调其在交通监控和多目标跟踪领域推动发展的价值。

    Nov, 2023

  • MOT20：拥挤场景下多目标追踪的基准测试

    本文介绍的 MOT20benchmark 建立在 MOT15、MOT16 和 MOT17 的基础上，扩展了 8 个新的数据序列，适用于评估在极度拥挤情景下处理多个物体跟踪的最先进方法。

    Mar, 2020

  • DanceTrack：统一外观多样运动的多目标跟踪

    为了解决现有跟踪数据集中存在的外观区分度差的问题，在另一篇文章中作者提出了 DanceTrack 数据集，我们在其中观察到与现有跟踪基准相比，目前最先进的几个跟踪器的表现明显下降，这表明 DanceTrack 为发展依赖于运动分析而非视觉差异的更多 MOT 算法提供了更好的平台。

    Nov, 2021