TrafficMOT: A Challenging Dataset for Multi-Object Tracking in Complex Traffic Scenarios

要約

交通ビデオにおける複数のオブジェクトの追跡は重要な研究分野であり、高度な機械学習アルゴリズムの利用を通じて交通監視の精度を向上させ、交通安全対策を促進するための計り知れない可能性をもたらします。
ただし、交通ビデオにおける複数の物体追跡用の既存のデータセットは、限定されたインスタンスを特徴とするか、単一のクラスに焦点を当てていることが多く、複雑な交通シナリオで遭遇する課題を十分にシミュレートできません。
このギャップに対処するために、複雑なシナリオを持つ多様な交通状況を網羅するように設計された広範なデータセットである TrafficMOT を紹介します。
TrafficMOT によってもたらされる複雑さと課題を検証するために、完全教師あり、半教師あり、および最近の強力なゼロショット基盤モデルである Tracking Anything Model (TAM) の 3 つの異なる設定を使用して、包括的な実証研究を実施しました。
実験結果は、このデータセットの本質的な複雑さを浮き彫りにし、交通監視と複数のオブジェクトの追跡の分野の進歩を促進する上でのその価値を強調しています。

要約(オリジナル)

Multi-object tracking in traffic videos is a crucial research area, offering immense potential for enhancing traffic monitoring accuracy and promoting road safety measures through the utilisation of advanced machine learning algorithms. However, existing datasets for multi-object tracking in traffic videos often feature limited instances or focus on single classes, which cannot well simulate the challenges encountered in complex traffic scenarios. To address this gap, we introduce TrafficMOT, an extensive dataset designed to encompass diverse traffic situations with complex scenarios. To validate the complexity and challenges presented by TrafficMOT, we conducted comprehensive empirical studies using three different settings: fully-supervised, semi-supervised, and a recent powerful zero-shot foundation model Tracking Anything Model (TAM). The experimental results highlight the inherent complexity of this dataset, emphasising its value in driving advancements in the field of traffic monitoring and multi-object tracking.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google