MouseSIS：面向小鼠时空实例分割的帧与事件数据集

得益于大型标注数据集，视频中物体的跟踪与分割近年来取得了显著进展。尽管取得了这些进步，算法在退化条件和快速运动期间仍然面临困难。事件相机是一种具有高时间分辨率和高动态范围的新型传感器，为应对这些挑战提供了广阔的优势。然而，目前尚无用于开发基于事件的掩码级学习跟踪算法的标注数据。为此，我们引入：($i$) 一个称为 \emph{space-time instance segmentation} 的新任务，类似于视频实例分割，其目标是在传感器输入的整个持续时间内分割实例（此处输入为准连续事件及可选的对齐帧）；以及 ($ii$) \emph{\dname}，一个用于该新任务的数据集，包含对齐的灰度帧和事件。它包含最多七只自由移动并交互的小鼠群体的标注真值标签（像素级实例分割掩码）。我们还提供了两种参考方法，表明利用事件数据可以持续提升跟踪性能，尤其是在与常规相机结合使用时。结果突显了事件辅助跟踪在困难场景中的潜力。我们希望我们的数据集能够开启基于事件的视频实例分割领域，并促进在挑战性条件下鲁棒跟踪算法的开发。\url{https://github.com/tub-rip/MouseSIS}