PulseAugur
中
实时 06:50:59
English(EN) CD-RMOT-Bench: Benchmarking the Cross-Domain Referring Multi-Object Tracking

新基准测试跨视觉域的AI跟踪模型

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了CD-RMOT-Bench，这是一个旨在评估指代多目标跟踪（RMOT）模型在面对视觉域转移时的鲁棒性的新基准。该基准结合了真实世界数据和对齐的数字孪生变体以及不利域视频，以促进对天气和视点变化以及合成到真实转移的可控分析。实验表明，域转移会显著降低RMOT性能，影响时间关联和目标选择，超出目标检测误差。提出的查询中心适应（QCA）框架为这个具有挑战性的问题提供了一个稳定的基线。 AI

影响 该基准有望带来更强大的AI系统，能够理解和跟踪不同视觉环境中的物体。

排序理由 该项目是一篇研究论文，为特定的AI任务引入了新的基准和框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新基准测试跨视觉域的AI跟踪模型

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Xiangqun Zhang, Likai Wang, Zekun Qian, Ruize Han, Wei Feng ·

    CD-RMOT-Bench：跨域指代多目标跟踪基准测试

    arXiv:2607.25239v1 Announce Type: new Abstract: Referring multi-object tracking (RMOT) extends tracking from category-driven perception to language-guided understanding by grounding object trajectories in natural-language expressions. Despite recent progress, existing RMOT studie…

相关实体

相关话题