MOTS：多目标跟踪与分割
计算机视觉与模式识别
2019-04-09 v2
摘要
本文将流行的多目标跟踪任务扩展为多目标跟踪与分割 (MOTS)。为此，我们使用半自动标注流程对两个现有的跟踪数据集创建了密集的像素级标注。我们的新标注包含 10,870 帧视频中 977 个不同目标（汽车和行人）的 65,213 个像素掩码。为了进行评估，我们将现有的多目标跟踪指标扩展到这一新任务。此外，我们提出了一种新的基线方法，该方法利用单个卷积网络联合处理检测、跟踪和分割。我们通过在 MOTS 标注上训练所获得的性能提升，证明了我们数据集的价值。我们相信，我们的数据集、指标和基线将成为开发超越二维边界框的多目标跟踪方法的宝贵资源。我们的标注、代码和模型可在 https://www.vision.rwth-aachen.de/page/mots 获取。
引用
@article{arxiv.1902.03604,
title = {MOTS: Multi-Object Tracking and Segmentation},
author = {Paul Voigtlaender and Michael Krause and Aljosa Osep and Jonathon Luiten and Berin Balachandar Gnana Sekar and Andreas Geiger and Bastian Leibe},
journal= {arXiv preprint arXiv:1902.03604},
year = {2019}
}
备注
CVPR 2019 camera-ready version