要約
Joint Detection and Embedding（JDE）に基づく手法は、複数対象追跡（Multi-Object Tracking: MOT）において、単一のネットワークを用いて物体のバウンディングボックスと埋め込み特徴量を同時に推定する。追跡フェーズでは、JDEベースの手法は、同じルールで対象の運動情報と外見情報を統合するが、対象が一時的に消失または遮蔽された場合にその統合が失敗する可能性がある。この問題を克服するため、本研究では、物体間の埋め込みコサイン距離とGiou距離を組み合わせた新しいアソシエーション行列「Embedding and Giou matrix（EG行列）」を提案する。さらに、データアソシエーション性能を向上させるために、シンプルかつ効果的な追跡器「SimpleTrack」を設計した。SimpleTrackは、再識別（Re-identity）に向けたボトムアップ統合手法を導入し、本研究で提案するEG行列に基づく新たな追跡戦略を採用している。実験結果から、SimpleTrackは強力なデータアソシエーション能力を有することが示された。具体的には、MOT17データセットにおいて、HOTAが61.6、IDF1が76.3を達成した。さらに、EG行列を5種類の最先端JDEベース手法に適用した結果、IDF1、HOTA、IDswの各指標で顕著な向上が確認され、かつこれらの手法の追跡速度も約20%向上した。