研究人员发布了 Refer-CityFlow,这是一个用于语言驱动的多目标多摄像头跟踪的新基准数据集,以及 M3Track,这是一个旨在应对这一挑战的参考框架。Refer-CityFlow 基于 CityFlow 数据集构建,包含语言查询和跨摄像头身份标注,以促进使用自然语言描述在多个摄像头中跟踪对象的研究。M3Track 框架利用大型语言模型来协调各种跟踪模块,在真实用户查询上取得了 44.10 的 HOTA 分数和 65.40 的 IDF1 分数。 AI
影响 这项研究提高了使用自然语言进行多摄像头目标跟踪的能力,有可能改进监控和自主系统。
排序理由 该集群描述了一个用于特定计算机视觉任务的新基准数据集和参考框架,已在 arXiv 上发布。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →