伪装目标跟踪：一个基准
计算机视觉与模式识别
2025-06-02 v4
摘要
视觉跟踪取得了显著进展，这主要得益于大规模训练数据集的可用性，这些数据集使得高精度和鲁棒性算法的开发成为可能。虽然在跟踪一般目标方面取得了重大进展，但对更具挑战性的场景（如跟踪伪装目标）的研究仍然有限。伪装目标与周围环境或其他目标无缝融合，给复杂环境中的检测和跟踪带来了独特挑战。这一挑战在军事、安全、农业和海洋监测等应用中尤为关键，在这些应用中，对伪装目标的精确跟踪至关重要。为了弥补这一差距，我们引入了伪装目标跟踪数据集（COTD），这是一个专门为评估伪装目标跟踪方法而设计的专用基准。COTD数据集包含200个序列和约80,000帧，每帧都标注了详细的边界框。我们对20种现有跟踪算法的评估揭示了它们在处理伪装目标时性能上的显著不足。为了解决这些问题，我们提出了一种新颖的跟踪框架HiPTrack-MLS，该框架在提高伪装目标跟踪性能方面展示了有前景的结果。COTD和代码可在https://github.com/openat25/HIPTrack-MLS获取。
引用
@article{arxiv.2408.13877,
title = {Camouflaged Object Tracking: A Benchmark},
author = {Xiaoyu Guo and Pengzhi Zhong and Hao Zhang and Defeng Huang and Huikai Shao and Qijun Zhao and Shuiwang Li},
journal= {arXiv preprint arXiv:2408.13877},
year = {2025}
}