DanceTrack

displayName: DanceTrack
labelTypes:
- Box2D_Tracking
license:
- DanceTrack Custom
mediaTypes:
- Video Frame
paperUrl: https://arxiv.org/pdf/2111.14690.pdf
publishDate: "2022"
publishUrl: https://dancetrack.github.io/
publisher:
- Carnegie Mellon University
- ByteDance
- University of Hong Kong
tags:
- Dance video
taskTypes:
- Object Tracking

---
# 数据集介绍
## 简介
DanceTrack是一个多人类跟踪数据集，具有两个强调的属性 :( 1) 外观均匀: 人类外观高度相似且几乎没有区别; (2) 运动多样: 人类处于复杂的运动模式中，并且它们的相对位置经常交换。我们希望均匀的外观和复杂的运动模式相结合，使DanceTrack成为鼓励更全面，更智能的多目标跟踪算法的平台。
DanceTrack的注释根据知识共享署名4.0许可证获得许可。DanceTrack的数据集仅可用于非商业研究目的。DanceTrack的所有视频和图像都是从互联网上获得的，这些视频和图像不是HKU、CMU或ByteDance的财产。这三个组织不对这些视频和图像的内容或含义负责。

## Download dataset
:modelscope-code[]{type="git"}

显示名称：DanceTrack
标注类型：2D边界框跟踪（Box2D_Tracking）
许可证：DanceTrack 定制许可证（DanceTrack Custom）
媒体类型：视频帧（Video Frame）
论文链接：https://arxiv.org/pdf/2111.14690.pdf
发布日期："2022"
发布主页：https://dancetrack.github.io/
发布机构：卡内基梅隆大学（Carnegie Mellon University）、字节跳动（ByteDance）、香港大学（University of Hong Kong）
标签：舞蹈视频（Dance video）
任务类型：目标跟踪（Object Tracking）

---
# 数据集介绍
## 简介
DanceTrack是一款多人物跟踪数据集，具备两大核心特性：其一为外观同质化，即所有人物外观高度相似，辨识度极低；其二为运动多样化，即人物呈现复杂运动模式，且彼此相对位置频繁发生交换。我们期望这种外观同质化与复杂运动场景的结合，能够使DanceTrack成为推动更全面、更智能的多目标跟踪算法发展的研究平台。
DanceTrack的标注内容采用知识共享署名4.0（CC BY 4.0）许可证进行授权。本数据集仅可用于非商业研究用途。所有DanceTrack收录的视频与图像均来源于互联网，其权属不属于香港大学、卡内基梅隆大学或字节跳动所有，上述三家机构不对相关内容的含义与版权归属承担责任。

## 数据集下载
:modelscope-code[]{type="git"}

搜集汇总

背景与挑战

背景概述

DanceTrack是一个专注于复杂运动模式下多人物跟踪的数据集，其特点是人物外观高度相似且运动模式复杂。该数据集采用CC BY 4.0许可协议，仅限非商业研究用途。