卫星视频

现有卫星视频研究多局限于目标检测与跟踪，缺乏对物体间时空关系的结构化理解。本文介绍T-STAR基准，首个包含百万级实例掩码与千万级时空三元组的卫星视频数据集。针对俯视视角下小目标、弱纹理导致的跨帧关联困难，论文提出STCL框架，通过记忆引导匹配保持实例身份一致性，并利用空间上下文与多尺度时序建模复杂关系。实验表明该方法在机场、港口等复杂场景中能有效推理动态关系。需注意，当前方法对极度遮挡及长时序依赖的处理仍有局限。