Stanford Drone

当人类在拥挤的空间（例如大学校园或繁忙街道的人行道）中穿行时，他们会遵循基于社交礼仪的常识规则。为了能够设计出能够充分利用这些规则来更好地解决目标跟踪或轨迹预测等任务的新算法，我们需要获得更好的数据。为此，我们贡献了第一个大规模数据集（据我们所知），该数据集收集各种类型的代理（不仅是行人，还包括自行车手、滑板手、汽车、公共汽车和高尔夫球车）的图像和视频在真实世界的户外环境中导航，例如大学校园。在上面的图片中，行人标记为粉色，骑自行车的人标记为红色，滑板者标记为橙色，汽车标记为绿色。

When moving through crowded spaces such as university campuses or sidewalks on busy streets, humans follow common-sense rules rooted in social etiquette. To develop novel algorithms that can fully leverage these rules to improve performance on tasks including object tracking and trajectory prediction, we require higher-quality data. To this end, we present the first large-scale dataset, to the best of our knowledge, that collects images and videos of various agents navigating in real-world outdoor environments such as university campuses. These agents include not only pedestrians, but also cyclists, skateboarders, cars, buses, and golf carts. In the image above, pedestrians are marked in pink, cyclists in red, skateboarders in orange, and cars in green.

搜集汇总

背景与挑战

背景概述

Stanford Drone数据集是一个由斯坦福大学于2016年发布的大规模视频图像数据集，专注于目标跟踪和轨迹预测任务，旨在帮助算法学习社交礼仪规则。数据集包含66.3GB的数据，采集自真实户外环境（如大学校园），涵盖多种代理类型，包括行人、自行车手、滑板手、汽车等，为计算机视觉研究提供了丰富的多类别轨迹数据。