streaming-HOTA

新的HARD数据集和s-HOTA指标解决了千兆像素尺度的航空场景理解问题

研究人员推出了一款名为HARD的新数据集，专为使用无人机（UAV）的超高分辨率航空影像进行广域时空场景理解（WSTU）而设计。该数据集通过提供带有物体检测、多物体跟踪和视觉问答标注的千兆像素级图像，解决了现有资源的局限性。为了应对如此高分辨率数据带来的显著处理延迟，提出了一种名为流式HOTA（s-HOTA）的新指标来评估多物体跟踪性能。