在FMO数据集上评估EfficientTAM的性能
计算机视觉与模式识别
2025-12-11 v1
摘要
快速和小目标跟踪在计算机视觉中仍是一个挑战。本文首次引入与四个开源快速移动物体（Fast Moving Objects, FMOs）图像序列相关的JSON元数据文件。此外，我们以JSON格式扩展了FMOs数据集的描述，加入了目标尺寸信息（称为FMOX）。最后我们使用FMOX文件测试了最近提出的用于跟踪的基础模型（称为EfficientTAM），结果表明其性能与最初为这些数据集量身定制的管线相当。我们提供的在FMOX上的最新技术比较结果采用轨迹交并比（Trajectory Intersection of Union, TIoU）评分。代码和JSON文件以开源方式共享，使FMOX能够被其他机器学习管线访问和使用，以处理FMO数据集。
引用
@article{arxiv.2509.06536,
title = {Benchmarking EfficientTAM on FMO datasets},
author = {Senem Aktas and Charles Markham and John McDonald and Rozenn Dahyot},
journal= {arXiv preprint arXiv:2509.06536},
year = {2025}
}