Des chercheurs ont introduit un ensemble de données trimodal inédit spécialement conçu pour le suivi de drones, intégrant des flux de données visuels, thermiques et de profondeur. L'ensemble comprend un système de base qui démontre le potentiel de la fusion multimodale pour un suivi robuste dans des environnements difficiles tels que la faible luminosité, l'occlusion et les arrière-plans encombrés. Cette ressource est importante car la plupart des ensembles de données existants pour le suivi de drones reposent sur une seule modalité, limitant les performances dans des conditions réelles. Les résultats de base montrent une précision et une fiabilité de suivi améliorées par rapport aux approches unimodales. Pour les développeurs et chercheurs en vision par ordinateur et robotique, cet ensemble de données fournit un benchmark standardisé pour évaluer et faire progresser les algorithmes de suivi multimodal.
Un nouvel ensemble de données trimodal pour le suivi de drones a été publié, combinant des modalités visuelles, thermiques et de profondeur avec un système de base. Il comble une lacune dans le suivi robuste des drones dans des conditions variées.