オンライン多重物体追跡における無監督再識別学習と遮蔽推定

異なる物体間の遮蔽（occlusion）は、多目的追跡（Multi-Object Tracking: MOT）における典型的な課題であり、検出された物体が欠落することにより、追跡結果が悪化することがあります。多目的追跡の一般的な手法として、物体が再出現した際に見逃された物体を再識別する方法があります。この再識別によって追跡性能は向上しますが、モデルの学習には同一性のアノテーションが必要です。さらに、検出器に見逃された高度に遮蔽された物体を追跡することは依然として困難です。本論文ではオンライン多目的追跡に焦点を当て、これらの問題に対処するために2つの新しいモジュールを設計しました。すなわち、教師なし再識別学習モジュールと遮蔽推定モジュールです。特に提案する教師なし再識別学習モジュールは、いかなる（疑似）同一性情報も必要とせず、スケーラビリティの問題にも悩まされません。提案する遮蔽推定モジュールは、遮蔽が発生する位置を予測し、それらの位置情報を用いて検出器に見逃された物体の位置を推定します。当研究では、最先端のMOT手法に適用することで、提案する教師なし再識別学習が監督付き再識別学習と同等の性能を示し、さらに遮蔽推定モジュールによって追跡性能が向上することを示しています。