Low-Light Object Tracking: A Benchmark

Pengzhi Zhong

doi:10.1109/TIV.2025.3621205

Low-Light Object Tracking: A Benchmark

2025-10-14

0

PRE

AI

DOI：10.1109/TIV.2025.3621205

原文链接

原文求助

摘要

En 中文

近年来，视觉跟踪领域通过大规模训练数据集的应用取得了显著进展。这些数据集支持了复杂算法的发展，提升了视觉目标跟踪的准确性和稳定性。然而，大多数研究主要关注有利的光照条件，忽视了低光环境下的跟踪挑战。在低光场景中，光照可能发生剧烈变化，目标可能缺乏明显的纹理特征，在某些情况下，目标甚至可能无法直接观测到。这些因素可能导致跟踪性能严重下降。为解决此问题，我们引入了LLOT，一个专门为低光目标跟踪设计的基准数据集。LLOT包含269个具有挑战性的序列，共计超过132 K帧，每帧均经过精心标注边界框。该专门设计的数据集旨在促进低光条件下目标跟踪技术的创新与进步，解决现有基准未能充分覆盖的挑战。为评估现有方法在LLOT上的性能，我们对39种最新的跟踪算法进行了广泛测试。结果表明，低光跟踪性能存在显著差距。为此，我们提出H-DCPT，一种新型跟踪器，通过整合历史信息和暗光线索提示来建立更强的基准。H-DCPT在实验中超越了所有39种评估方法，显示出显著改进。我们希望该基准数据集和H-DCPT能推动低光条件下新颖且精确的目标跟踪方法的发展。

Keyword:

Visual tracking

low-light object tracking

benchmark

Low-Light Object Tracking: A Benchmark

摘要

期刊

机构