MVA 2025 小目标多对象跟踪赛挑战：数据集、方法与结果
计算机视觉与模式识别
2025-07-18 v1 人工智能
机器学习
摘要
当目标仅占据几十个像素时，小目标多对象跟踪 (SMOT) 尤其具有挑战性，导致检测和基于外观的关联不可靠。基于 MVA2023 SOD4SB 挑战的成功，本文引入了 SMOT4SB 挑战，通过利用时序信息来解决单帧检测的局限性。我们的三个主要贡献包括：(1) SMOT4SB 数据集，包含 211 个无人机视频序列，标注了 108,192 个帧，涵盖多种真实世界条件，旨在捕捉相机和目标在三维空间中自由运动导致的运动交织；(2) SO-HOTA 指标，将点距离与 HOTA 结合，以缓解基于 IoU 的指标对小位移敏感的问题；(3) 本次具有竞争性的 MVA2025 挑战，吸引了 78 名参赛者提交 308 份作品，其中获胜方法相对于基线实现了 5.1 倍的改进。该工作为推动无人机场景下的 SMOT 研究奠定了基础，具有用于鸟类撞击避免、农业、渔业和生态监测等应用的前景。
引用
@article{arxiv.2507.12832,
title = {MVA 2025 Small Multi-Object Tracking for Spotting Birds Challenge: Dataset, Methods, and Results},
author = {Yuki Kondo and Norimichi Ukita and Riku Kanayama and Yuki Yoshida and Takayuki Yamaguchi and Xiang Yu and Guang Liang and Xinyao Liu and Guan-Zhang Wang and Wei-Ta Chu and Bing-Cheng Chuang and Jia-Hua Lee and Pin-Tseng Kuo and I-Hsuan Chu and Yi-Shein Hsiao and Cheng-Han Wu and Po-Yi Wu and Jui-Chien Tsou and Hsuan-Chi Liu and Chun-Yi Lee and Yuan-Fu Yang and Kosuke Shigematsu and Asuka Shin and Ba Tran},
journal= {arXiv preprint arXiv:2507.12832},
year = {2025}
}
备注
This paper is the official challenge report for SMOT4SB and is published in the proceedings of MVA 2025 (19th International Conference on Machine Vision and Applications). Official challenge page: https://www.mva-org.jp/mva2025/challenge