研究人员推出了WaspMOT，这是一个旨在评估长期多目标跟踪能力的新基准，特别是在需要长时间保持身份一致性的场景下。该基准利用了在受控生态实验中对褐纹小蜂进行的长时跟踪，每个序列包含约12,000帧。对包括ByteTrack和BoT-SORT在内的五种跟踪检测方法的初步评估显示，轨迹碎片化严重，表明当前方法即使在检测完美的情况下，在长期身份维护方面也存在困难。一个简单的轨迹片段拼接基线显示出改进的潜力，为该领域未来的研究指明了方向。 AI
影响 突显了当前多目标跟踪方法在长期身份保持方面的局限性，可能指导计算机视觉和AI领域的未来研究。
排序理由 该集群描述了在arXiv上发布的新基准和研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.08729v1 Announce Type: new Abstract: Multi-object tracking (MOT) has achieved strong performance on benchmarks dominated by short video sequences. However, such datasets do not adequately evaluate long-term identity preservation, where objects must be tracked consisten…
Multi-object tracking (MOT) has achieved strong performance on benchmarks dominated by short video sequences. However, such datasets do not adequately evaluate long-term identity preservation, where objects must be tracked consistently over extended durations. We introduce WaspMO…