AVisT：一种面向不良能见度场景下视觉目标跟踪的基准数据集
计算机视觉与模式识别
2022-08-16 v1
摘要
近期视觉跟踪取得成功的关键因素之一是专用基准数据集的可用性。尽管现有基准极大地惠及了跟踪研究，但随着近期跟踪器性能的提升，它们已不再像以往那样具有同等难度，这主要归因于（i）更复杂的基于Transformer方法的引入，以及（ii）缺乏具有不良能见度（如恶劣天气条件、伪装和成像效应）的多样化场景。我们提出了AVisT，一个面向多样化不良能见度场景视觉跟踪的专用基准。AVisT包含120个具有挑战性的序列、8万标注帧，涵盖18种多样化场景，可广泛归为五个属性及42个目标类别。AVisT的核心贡献在于其多样且具有挑战性的场景，涵盖浓雾、暴雨和沙尘暴等恶劣天气条件；火焰、太阳眩光和溅水等遮挡效应；低光照等不利成像效应；小目标与干扰物以及伪装等目标效应。我们进一步在AVisT上对17种流行及近期的跟踪器进行基准测试，并详细分析其在各属性下的跟踪性能，表明性能仍有很大提升空间。我们相信AVisT能够通过补充现有基准极大地惠及跟踪领域，助力开发创新的跟踪方案以持续推动SOTA的发展。我们的数据集及完整的跟踪性能评估可在以下地址获取：https://github.com/visionml/pytracking
引用
@article{arxiv.2208.06888,
title = {AVisT: A Benchmark for Visual Object Tracking in Adverse Visibility},
author = {Mubashir Noman and Wafa Al Ghallabi and Daniya Najiha and Christoph Mayer and Akshay Dudhane and Martin Danelljan and Hisham Cholakkal and Salman Khan and Luc Van Gool and Fahad Shahbaz Khan},
journal= {arXiv preprint arXiv:2208.06888},
year = {2022}
}