シンプルかつリアルタイムな複数対象追跡手法であるSORT（Simple Online and Realtime Tracking）は、単純で効果的なアルゴリズムに重点を置いた実用的なアプローチである。本論文では、SORTの性能向上を目的として、対象の外観情報を統合する手法を提案する。この拡張により、長時間にわたる隠蔽（オクルージョン）状態でも対象を安定して追跡可能となり、IDスイッチ（IDの誤連携）の発生回数を顕著に削減できる。元々のフレームワークの精神に則り、計算負荷の大部分をオフラインの事前学習段階に集約する。この段階では、大規模な人物再識別データセットを用いて深層的な関連性メトリクスを学習する。オンライン実行時には、視覚的外観空間における最近傍探索により、観測値とトラックの関連付けを迅速に構築する。実験評価の結果、本手法によりIDスイッチの発生回数を45%削減し、高いフレームレート下でも全体的に競争力のある性能を達成した。