L'ensemble de données de suivi d'objets multivues monoculaires avec des pièces d'aspect 3D est utilisé pour étudier le problème du suivi d'objets sous des changements de point de vue, y compris les changements de point de vue, les séquences standard de suivi de voiture, etc.

L'éditeur de cet ensemble de données a proposé une nouvelle méthode, qui est principalement utilisée pour suivre des objets, estimer des poses continues et des positions de pièces sous de graves changements de point de vue. Afin de gérer les changements d'apparence topologique causés par l'illusion du point de vue, des parties d'aspect 3D sont utilisées pour représenter les objets, et la relation entre les points de vue et les parties d'aspect 3D est simulée dans un cadre de filtrage de particules basé sur des composants.

De plus, l'ensemble de données démontre un apprentissage en ligne au niveau de l'instance de l'apparence des pièces et des exemples intégrés au modèle, le rendant plus robuste dans les scènes difficiles avec des occlusions.

Cet ensemble de données a été publié par le Computational Vision and Geometry Laboratory de l'Université de Stanford en 2014. L'article associé est « Suivi d'objets multivues monoculaires avec des parties d'aspect 3D ».