要約
Simple Online and Realtime Tracking (SORT)は、複数の物体追跡に焦点を当てた実践的なアプローチであり、単純で効果的なアルゴリズムを重視しています。本論文では、外観情報を統合することでSORTの性能向上を目指しました。この拡張により、物体が長時間遮蔽される状況でも追跡が可能となり、アイデンティティスイッチ（同一人物の識別が誤って切り替わる現象）の回数を大幅に削減できました。元のフレームワークの精神に則り、計算量の大部分をオフラインでの事前学習ステージに配置し、大規模な人物再識別データセット上で深層関連計量を学習しました。オンライン適用時には、視覚的外観空間における最近傍探索クエリを使用して測定値と追跡対象との関連付けを行います。実験評価の結果、私たちの拡張によってアイデンティティスイッチの回数が45%減少し、高フレームレートでの全体的に競争力のある性能を達成しました。