تُقدّم الطرق القائمة على الكشف والدمج المشترك (JDE) عادةً تقديرًا لحدود المربعات (bounding boxes) وخصائص التضمين (embedding features) للأجسام باستخدام شبكة واحدة في تتبع الكائنات متعددة (MOT). وفي مرحلة التتبع، تدمج الطرق القائمة على JDE معلومات حركة الهدف ومعلومات المظهر باستخدام قاعدة واحدة، وهو ما قد يفشل عند فقدان الهدف مؤقتًا أو انسداده. ولتجاوز هذه المشكلة، نقترح مصفوفة ارتباط جديدة تُسمى "مصفوفة التضمين وGiou"، والتي تدمج المسافة جيبسون (cosine distance) بين التضمينات مع مسافة Giou للأجسام. ولتحسين أداء الترابط البياناتي بشكل أكبر، نطوّر مُتتبعًا بسيطًا وفعالًا يُدعى SimpleTrack، والذي يصمم طريقة تجميع من الأسفل (bottom-up fusion) لعملية إعادة التعرف (Re-identity)، ويطوّر استراتيجية تتبع جديدة تعتمد على مصفوفتنا EG. تُظهر النتائج التجريبية أن SimpleTrack يتمتع بقدرات قوية على الترابط البياناتي، مثل تحقيق 61.6 في مؤشر HOTA و76.3 في مؤشر IDF1 على مجموعة بيانات MOT17. بالإضافة إلى ذلك، نطبّق مصفوفة EG على خمسة طرق حديثة متميزة قائمة على JDE، ونحقق تحسينات كبيرة في مؤشرات IDF1 وHOTA وIDsw، ونُسرّع أيضًا عملية التتبع لهذه الطرق بنسبة تصل إلى 20%.