GTA: スポーツにおける多目的追跡のためのグローバルトラックレット関連付け

スポーツシーンにおける多目的追跡は、深層学習技術の統合により著しい進歩を遂げ、コンピュータビジョンの主要な研究対象の一つとなっています。しかしながら、選手が再びシーンに現れた際の正確な再識別やIDスイッチの最小化といった課題が依然として存在しています。本論文では、これらの課題に対処するために、複数のアイデンティティを含むトラックレットを分割し、同一のアイデンティティと思われるトラックレットを接続する外観ベースのグローバルトラックレット関連付けアルゴリズムを提案します。この手法は任意の多目的追跡システムに対するプラグアンドプレイ型の改善ツールとして機能し、それらの性能向上に寄与します。提案手法はSportsMOTデータセットでHOTAスコア81.04%という新たな最先端の性能を達成しました。同様に、SoccerNetデータセットにおいても複数の追跡システムの性能を向上させ、HOTAスコアを一貫して79.41%から83.11%に向上させました。異なる追跡システムとデータセットにおいて一貫して見られるこれらの有意な改善は、提案手法がスポーツ選手追跡への応用において潜在的な影響を持つことを示唆しています。我々はプロジェクトコードベースをオープンソース化し、以下のURLで公開しています: https://github.com/sjc042/gta-link.git。（注：「プラグアンドプレイ」は一般的な用語ですが、「plug-and-play」をカタカナ表記とした場合があります。「GTA-link」も同様にカタカナ表記とするか否かは状況によります。）