複数対象追跡における座標情報のみを用いたデータアソシエーション学習

本研究では、複数対象追跡（multi-object tracking）におけるデータ関連付け問題に対処するため、新しいTransformerベースのモジュールを提案する。事前に学習された検出器から得られる検出結果を用いて、このモジュールはバウンディングボックスの座標情報のみを用いて、異なる時系列ウィンドウから抽出されたトラックペア間の類似度スコアを推定する。本モジュールは「TWiX」と名付けられ、同一物体由来のトラックペアとそれ以外のペアを区別する目的で、トラックの集合に対して学習される。TWiXは、交差領域比（IoU）を用いず、運動に関する事前知識（motion priors）やカメラの運動補償技術を必要としない。オンラインカスケードマッチングパイプラインにTWiXを組み込むことで、本研究で提案するトラッカー「C-TWiX」は、DanceTrackおよびKITTIMOTデータセットにおいて最先端の性能を達成し、MOT17データセットでも競争力ある結果を示した。コードは論文公開時に公開予定である。