オンラインマルチオブジェクトトラッカーの大多数は、トラッキングからの入力を一切受けずに、ニューラルネットワーク内でオブジェクト検出を独立して実行している。本論文では、トラッキングの手がかりを活用して検出をエンドツーエンドで支援する新たなオンライン統合検出・トラッキングモデル、TraDeS（TRAck to DEtect and Segment）を提案する。TraDeSはコストボリュームを用いてオブジェクトのトラッキングオフセットを推定し、過去のオブジェクト特徴を伝搬することで、現在のオブジェクト検出およびセグメンテーションの精度を向上させる。TraDeSの有効性と優位性は、MOT（2次元トラッキング）、nuScenes（3次元トラッキング）、MOTS、YouTube-VIS（インスタンスセグメンテーショントラッキング）の4つのデータセット上で確認された。プロジェクトページ：https://jialianwu.com/projects/TraDeS.html。