オンライン多重物体追跡のための双方向マッチングアテンションネットワーク

本論文では、単一物体追跡とデータ関連付け手法の長所を統合したオンライン多物体追跡（MOT）アプローチを提案します。このアプローチは、ノイジーな検出や対象間の頻繁な相互作用に対処することを目的としています。特に、MOTにおける単一物体追跡の適用のために、最先端の視覚追跡器に基づくコスト感度型追跡損失を導入しました。これは、オンライン学習中にモデルが困難な否定的な分散物に注目するよう促すものです。また、データ関連付けについては、空間注意メカニズムと時間注意メカニズムを持つデュアルマッチングアテンションネットワーク（DMAN）を提案しています。空間注意モジュールは双方向の注意マップを生成し、ネットワークが入力画像ペアのマッチングパターンに焦点を当てるようになります。一方、時間注意モジュールはトラックレット内の異なるサンプルに対して異なるレベルの注意を適応的に割り当てることで、ノイジーな観測値を抑制します。MOTベンチマークデータセットでの実験結果は、提案されたアルゴリズムがアイデンティティ保持指標においてオンライン追跡器およびオフライン追跡器双方に対して有利に機能することを示しています。