VAT Benchmark

多场景主动视觉跟踪数据集（弃用中文网页）

Code

Paper

Docs

问题与需求

现有方法：PVT任务假设目标在预设镜头内,相机保持静止。

现实任务：目标具有高动态特性。主动控制相机以提升视觉准确率是主要挑战。

VAT任务：VAT任务同时建模视觉跟踪和控制,应用场景更加广泛。

现有方法：直接串联VT模型和控制模型进行VAT（siamask+PID）。

现有局限：
1. VT模型的延迟带来控制输入的滞后,甚至导致控制器发散。
2. 控制模型对参数特别敏感,需要对每个场景微调参数

RL优点：可以用MDP将视觉和控制同时建模,用单模型解决。

仿真环境：RL现实环境试错和数据采集太昂贵,需建构仿真环境。

真实性：建模真实环境的多样性,丢弃真实场景不可获取的变量。

多样性：多场景,多种tracker和target,多传感器。

不可获取的变量：target相对于tracker的位置,速度,加速度。