Siameseネットワークに基づく視覚的オブジェクト追跡におけるより良いマッチングを目指して

最近、シAMEセネットワークを基にした追跡アルゴリズムは、その高速な追跡速度と高い性能により大きな注目を集めています。しかし、この追跡フレームワークにはいくつかの制限が存在します。まず、大規模な物体の回転を適切に処理することができません。次に、背景に目立つ物体が含まれている場合、追跡が容易に惑わされる可能性があります。本論文では、これらの問題に対処するために、角度推定（angle estimation）と空間マスキング（spatial masking）という2つの単純ながら効果的なメカニズムを提案します。目的はより代表的な特徴を抽出し、異なるフレーム間で同じ物体のより良い一致を得ることです。この結果得られた追跡アルゴリズム「Siam-BM」は、追跡性能を大幅に向上させるだけでなく、リアルタイム能力も維持しています。VOT2017データセットでの評価では、「Siam-BM」はEAO値0.335を達成しており、現在までで最高性能のリアルタイム追跡アルゴリズムとなっています。