360VOT：一种用于全向视觉目标跟踪的新基准数据集
计算机视觉与模式识别
2023-07-28 v1
摘要
360°图像可提供全向视场，这对稳定且长期的场景感知十分重要。本文中，我们探索360°图像用于视觉目标跟踪，并认识到由大畸变、拼接伪影及360°图像其他独有属性引起的全新挑战。为缓解这些问题，我们利用目标定位的新表示，即边界视场，并引入一个通用360跟踪框架，可采用典型跟踪器进行全向跟踪。更重要的是，我们提出一个新的大规模全向跟踪基准数据集360VOT，以推动未来研究。360VOT包含120个序列，在等距柱状投影下具有多达113K高分辨率帧。跟踪目标涵盖多样场景中的32类。此外，我们提供4类无偏真值，包括（旋转）边界框与（旋转）边界视场，以及为360°图像定制的新度量，可准确评估全向跟踪性能。最后，我们广泛评估了20种最先进视觉跟踪器，并为未来比较提供了新基线。主页：https://360vot.hkustvgd.com
引用
@article{arxiv.2307.14630,
title = {360VOT: A New Benchmark Dataset for Omnidirectional Visual Object Tracking},
author = {Huajian Huang and Yinzhe Xu and Yingshu Chen and Sai-Kit Yeung},
journal= {arXiv preprint arXiv:2307.14630},
year = {2023}
}
备注
ICCV 2023. Homepage: https://360vot.hkustvgd.com The toolkit of the benchmark is available at: https://github.com/HuajianUP/360VOT