search

983632847 / All-in-One

All in One: Exploring Unified Vision-Language Tracking with Multi-Modal Alignment
MIT License
13 stars 1 forks source link

如何获取更加准确的GT？ #5

Closed Xuchen-Li closed 6 months ago

Xuchen-Li commented 7 months ago

作者您好，非常感谢您的工作。

在上一个issue中您提到了下面这一点： 改进WebUAV3M_train，TNL2K_train，OTB99L_train的标注（包括language descriptions）（启发自VASR [ICCV 2021]，使用更加准确的GT训练模型能明显提点）；或者使用class names等替换（启发自VLT_TT [NeurIPS2022, TPAMI submitting]）

对于语言分支，使用class names等替换文本很容易实现，对于视觉分支，"使用更加准确的GT训练模型"该如何实现？ VASR可以提供更加准确的边界框注释，并且通过实验证明了精确的GT可以提升跟踪精度，但是相关工具并未开源，文章中提到的更准确的边界框注释也没有公开。 请问如何获取更加准确的GT？

983632847 commented 6 months ago

如果长期在tracking这个方向做研究的话，可以通过手动或者半自动化的方式对数据标注进行一遍清洗（校正）。现在很多数据集的标注（bounding box）都不太准确，用这些数据训练会损害模型。

Xuchen-Li commented 6 months ago

非常感谢！