视频采样、时序建模与跟踪评测
概念解释
视频模型需要利用帧间顺序与时间跨度，可通过 3D 卷积、时序聚合或时空注意力建模。跟踪评测还要区分检测与身份关联：MOTA 统计漏检、误检和身份切换的影响，HOTA 则综合考察检测与关联质量。
核心方法与条件
根据事件持续时间选择帧率、采样步长和片段长度，明确模型是否允许使用未来帧。评测按完整视频、主体或场景划分，报告跟踪指标和漏检、身份切换等明细，避免相邻帧跨训练与测试泄漏。
例题或应用
25 fps 视频中每隔 4 帧取一帧，共取 16 帧，第一帧到最后一帧覆盖 (16−1)×4/25=2.4 s。若事件只持续 0.1 s，稀疏采样可能完全漏掉，增加分类器深度也无法补回未采到的证据。
常见易错点
同一时间跨度、不同采样间隔的片段包含的运动细节不同。检测框很准也可能频繁换 ID；逐帧随机划分和只展示成功片段，都会高估真实连续视频中的表现。
自检
请尝试不用原文解释“视频采样、时序建模与跟踪评测”解决什么问题，再设计一个属于“多目标跟踪与视频”的实例，并说明适用条件和判断依据。