什么是 局部跟踪指标（LIDF1 与 ALTA）？
局部跟踪指标（LIDF1 与 ALTA）是一组带 Horizon 参数的多对象跟踪度量：它们在有限时间窗口内重新求解最优 Track Correspondence。
快速了解
| 规范文档 | 官方规范 |
|---|
工作原理
在每个 Horizon 内重新求解 Track Correspondence
对每个中心帧 t 与半径 r，Evaluator 将 Track 限制在 [t-r, t+r]，并为该区间求解最优一对一 Assignment。LIDF1 累加区间 IDTP 与 Detection-count Denominator；ALTA 累加最优分配的 Temporal-IoU Mass 与平均 Active-track-count Denominator。最终结果是累计分子除以累计分母，不是直接平均 Window Score。
Local Metrics 原始论文定义了两种指标，并说明分开累计分子与分母才能正确处理空窗口和序列边缘被截断的窗口。
下方 Go 示例只保留一条始终可见的真实 Track，并让两个预测身份在中途切换，从而在不混入 Detection 与 Localization Error 的前提下观察 Horizon 影响。
把 Horizon 解释为身份保持时长要求
半径小于一时只有单帧窗口，LIDF1(r) = ALTA(r) = DetF1，身份标签可以每帧独立重分配。当 r >= T-1 时，每个窗口覆盖完整序列，两种指标到达严格端点：IDF1 与 ATA。
中间 Horizon 询问身份能否在约 2r+1 帧内保持一致，序列边缘处则会裁剪。不同数据集 Frame Rate 不同时，应同时用秒和帧表达 Horizon；还应预先声明多个有业务意义的时长，不能看到排名后再挑选。
用曲线诊断 Association Range
若得分从短 Horizon 到中 Horizon 急剧下降，说明 Detection 在局部正确，却无法跨遮挡或重入保持身份；若只在长 Horizon 下降，则指向 Long-range Re-identification 局限。ALTA 让 Track 等权，对 Fragmentation 更敏感；LIDF1 让 Detection 等权，短错误 Track 的影响可能更小。
每个 Horizon 都要在全部中心窗口上求解 Assignment；使用 Hungarian Solver 时，每个 Horizon 成本约为 O(T*K^3)。这些指标补充 HOTA、MOTA 与原始 Switch Timing，但不编码业务损失、时延或安全性。
主要特点
- 用 Temporal Horizon 参数化身份评测
- 在每个窗口重新求解最优一对一 Assignment
- 以 Detection F1 和严格全局指标作为两个端点
- 区分短程与长程 Association 行为
- 同时提供 Detection-weighted LIDF1 与 Track-weighted ALTA
- 每个 Horizon 需要一组序列 Assignment
常见用途
- 为机器人与视频分析选择身份保持 Horizon
- 诊断短程与长程 Re-identification
- 比较 Detection Quality 接近的 Tracker
- 按业务时间尺度衡量 Fragmentation
- 审计单一全序列得分隐藏的敏感性
示例
Loading code...常见问题
LIDF1 与 ALTA 是什么？
LIDF1 是 IDF1 的有限 Horizon 版本，ALTA 是 ATA 的有限 Horizon 版本；两者都会在每个中心帧窗口内重新计算 Ground Truth 与预测 Track 的最优 Assignment。
Local Tracking Metric 中的 Horizon 表示什么？
半径 `r` 定义每个中心帧周围的 `[t-r, t+r]` 窗口，代表身份需要保持一致的时长。实际报告应同时给出帧数，并按 Frame Rate 换算为秒。
最短与最长 Horizon 分别得到什么？
单帧窗口下，两种指标都等于 Detection F1，因为身份可逐帧重分配；当每个窗口覆盖完整序列时，LIDF1 等于 IDF1，ALTA 等于 ATA。
LIDF1 与 ALTA 有什么区别？
LIDF1 累加正确身份 Detection，让 Detection 等权；ALTA 累加 Track Assignment 下的 Temporal IoU，并按 Track Count 归一化，因此对短 Fragment 与 Duplicate Track 更敏感。
是否应该用一个 Horizon 排序所有 Tracker？
只有该 Horizon 在评测前就由业务需求确定时才合理；否则应报告曲线或少量预声明 Horizon。观察结果后挑选最有利的 Horizon 会造成 Metric Gaming。