Trans2k：释放深度模型在透明物体跟踪中的威力
计算机视觉与模式识别
2022-10-10 v1
摘要
视觉目标跟踪主要集中于不透明物体，而透明物体跟踪极少受到关注。受透明物体独特性（其外观直接受背景影响）的启发，首个专用评测数据集近期出现。我们推进此努力，提出首个透明物体跟踪训练数据集 Trans2k，其包含超过 2k 条序列、共计 104,343 张图像，以边界框与分割掩码标注。注意到现代渲染器可真实渲染透明物体，我们量化域特定属性并渲染包含现有物体训练数据集未覆盖的视觉属性与跟踪情形的数据集。我们观察到，当使用 Trans2k 训练时，多种现代跟踪架构性能一致提升（高达 16%），并展现出因缺乏合适训练集此前无法获得的见解。该数据集与渲染引擎将公开发布，以释放现代基于学习的跟踪器威力并促进透明物体跟踪的新设计。
引用
@article{arxiv.2210.03436,
title = {Trans2k: Unlocking the Power of Deep Models for Transparent Object Tracking},
author = {Alan Lukezic and Ziga Trojer and Jiri Matas and Matej Kristan},
journal= {arXiv preprint arXiv:2210.03436},
year = {2022}
}
备注
Accepted to BMVC 2022. Project page: https://github.com/trojerz/Trans2k