复旦发布以人为中心的复杂场景音视频追踪基准

复旦大学近日发布了一项以人为中心的复杂场景音视频追踪基准。该基准旨在评估AI系统在真实复杂环境中对人物目标的跨模态追踪能力，覆盖视频与音频两种模态。相关评测数据与工具已公开，供学术界和产业界使用。该基准的推出填补了现有音视频追踪评测在复杂场景与人物中心视角方面的不足，有望推动多模态感知与追踪技术的进一步发展。