深入雾中：评估多目标跟踪的鲁棒性
计算机视觉与模式识别
2024-11-15 v2 人工智能
摘要
最先进的多目标跟踪方法在现有基准上训练和评估时表现出色。然而，这些基准主要由晴朗天气场景组成，忽视了雾、霾、烟、尘等不利大气条件。因此，跟踪器在这些挑战条件下的鲁棒性仍未充分探索。为填补这一空白，我们提出了一种基于物理的体积雾模拟方法，适用于任意MOT数据集，利用逐帧单目深度估计和雾形成光学模型。我们通过渲染均匀和非均匀雾来增强模拟，并提出使用暗通道先验方法估计大气光，在夜间和室内场景中也显示出有希望的结果。我们提出了领先的基准MOTChallenge（第三版）增强版，添加了不同强度的雾（室内场景为烟），并对MOT方法进行了全面评估，揭示了它们在雾和类雾挑战下的局限性。
引用
@article{arxiv.2404.10534,
title = {Into the Fog: Evaluating Robustness of Multiple Object Tracking},
author = {Nadezda Kirillova and M. Jehanzeb Mirza and Horst Bischof and Horst Possegger},
journal= {arXiv preprint arXiv:2404.10534},
year = {2024}
}