24、GigaVision：计算机视觉与千兆像素摄像的融合

GigaVision：计算机视觉与千兆像素摄像的融合

1. 引言

随着技术的发展，图像和视频已能达到千兆像素级别的分辨率，这为众多应用和行业带来了新的可能性。然而，传统的计算机视觉方法主要针对百万像素级别的数据，难以处理千兆像素级别数据的复杂性，在精度和效率上存在显著局限。

2. PANDA 数据集

2.1 现有数据集的问题

现有的以人为中心的视觉分析数据集存在诸多问题，限制了对人群复杂行为和交互的理解：
- 视野与分辨率的权衡 ：现有数据集在宽视野和高分辨率之间存在固有折衷。例如，广角相机虽能覆盖全景，但球员的空间分辨率低；长焦镜头相机能捕捉局部细节，但视野范围小。
- 时空信息有限 ：存在空间分辨率低、缺乏视频信息、人类外观和动作不自然以及活动范围有限和短期标注等问题。

2.2 PANDA 数据集的提出

为解决上述问题，提出了千兆像素级以人为中心的视频数据集 PANDA。该数据集具有以下特点：
- 多尺度特征 ：
- 全局宽视野 ：可见面积超过 1 平方公里。
- 局部高分辨率细节 ：具有千兆像素级的空间分辨率。
- 长时间人群活动 ：总共有 43.7k 帧。
- 真实场景 ：包含多样化的人类属性、行为模式、尺度、密度、遮挡和交互。
- 丰富的标注