TAO

TAO 是用于跟踪任何对象的联合数据集，包含 2,907 个高分辨率视频，在不同环境中捕获，平均时长为半分钟。我们采用自下而上的方法来发现 833 个类别的大量词汇，比之前的跟踪基准高出一个数量级。为此，我们要求注释者为在视频中任意点移动的对象标记轨迹，并在事后为它们命名。我们的词汇量比现有的跟踪数据集要大得多，而且在质量上也有所不同。为了确保注释的可扩展性，我们采用了一种联合方法，该方法将手动工作集中在为视频中的相关对象（例如，那些移动的对象）标记轨道上。我们对最先进的跟踪方法进行了广泛的评估，并就开放世界中的大词汇表跟踪做出了许多重要发现。