本論文では、楕円フィッティングを用いてターゲット上のセグメンテーション（マスク）からバウンディングボックスの回転角度とサイズを推定する新しいアルゴリズムを示します。この手法は、最先端の物体追跡アルゴリズムであるSiamMaskのバウンディングボックスフィッティング手順を改善し、GPU（GeForce GTX 1080 Ti 以上のもの）を搭載したシステムでは依然として高速な追跡フレームレート（80 fps）を維持しています。我々は、回転したバウンディングボックスでラベリングされた視覚的物体追跡データセット（VOT2016, VOT2018, および VOT2019）で当手法を検証しました。元のSiamMaskとの比較において、VOT2019では精度が0.652に、EAOが0.309に向上し、それぞれ元のSiamMaskよりも0.056と0.026高い結果を得ました。実装はGitHub上で公開されています: https://github.com/baoxinchen/siammask_e。