本文将多目标跟踪这一热门任务扩展到多目标跟踪与分割（MOTS）。为此，我们使用半自动注释程序为两个现有的跟踪数据集创建了密集的像素级注释。我们的新注释包括10,870个视频帧中977个不同目标（汽车和行人）的65,213个像素掩码。为了评估，我们将现有的多目标跟踪指标扩展到了这一新任务上。此外，我们提出了一种新的基线方法，该方法通过单一卷积网络同时解决检测、跟踪和分割问题。我们在使用MOTS注释进行训练时展示了数据集的价值，性能得到了显著提升。我们相信，这些数据集、指标和基线方法将成为开发超越二维边界框的多目标跟踪方法的重要资源。我们的注释、代码和模型可在https://www.vision.rwth-aachen.de/page/mots 获取。