近年、高性能な物体検出器の登場により、運動情報に基づく多対象追跡（Multi-Object Tracking: MOT）手法が再び注目を集めている。しかし、物体の外見特徴（appearance cues）を用いた手法に関しては、特徴の劣化に対して堅牢性を欠く単純なヒューリスティックモデルにとどまり、それ以上の研究はほとんど行われていない。本論文では、既存の高性能な運動ベース手法に、物体の外見情報を適応的に統合する新しいアプローチを提案する。純粋な運動ベース手法であるOC-SORTを基盤とし、MOT20では1位（HOTA 63.9）、MOT17では2位（HOTA 64.9）を達成した。また、非常に困難なDanceTrackベンチマークにおいても、61.3のHOTAを達成し、より複雑に設計された手法と比較しても新たな最先端性能を示した。コードおよびモデルは、\url{https://github.com/GerardMaggiolino/Deep-OC-SORT}にて公開されている。