マルチビュー集合の利用は、複数物体追跡と検出における遮蔽や未検出などの課題を解決する有望な手法となっています。最近のマルチビュー検出と3D物体認識の進歩により、戦略的にすべてのビューを地上平面に投影し、鳥瞰図（Bird's Eye View）から検出分析を行うことで、性能が大幅に向上しています。本論文では、パラメータフリーおよびパラメータ化された現代的なリフティング手法をマルチビュー集合と比較します。さらに、複数の時間ステップの特徴量を集約して堅牢な検出を学習し、外見と運動に基づく手がかりを組み合わせて追跡を行うアーキテクチャを提案します。現在の多くの追跡手法は歩行者または車両に焦点を当てていますが、我々の研究では両方の分野を統合し、クロスシーン設定での新たな課題をマルチビュー検出に加えます。我々の手法は2つの領域にわたる3つの公開データセット（1）歩行者：WildtrackおよびMultiviewX、（2）路側認識：Synthehicleで一般化され、検出と追跡において最先端の性能を達成しています。https://github.com/tteepe/TrackTacular