複数のジャンルで多数の人物が踊る100個のダンス動画を収集し、バウンディングボックスのアノテーションを20fpsで実施したDanceTrackデータセットを構築した。

MOT17ベンチマークとの比較を行い、人物の見かけだけで評価するとDanceTrackデータセットでは精度が低くなり、モーションも含めて評価すると精度が向上する結果。CenterTrackやFairMOTやByteTrackなど従来手法の実装でも双方の比較を行い、DanceTrackデータセットはMOT17ベンチマークより精度が低くなる結果。

着眼点の良さと、データセットの特性を明確に示したことで通ったと考えられる。プロジェクトページ( https://dancetrack.github.io/ )が公開されている。