要約
マルチオブジェクトトラッキング（MOT）は、近年の「検出によるトラッキング」アルゴリズムにおいて、検出と関連付けという2つの独立したタスクとして扱われるなど、さまざまなコンピュータビジョン分野で中心的な役割を果たしている。しかし、既存のトラッカーは、動画全体にわたって完全な軌跡を構築する際に、過去のトラックと現在の検出結果を関連付けるために感度の高いしきい値に依存しており、これがトラッキング性能に大きな影響を与える。これらのしきい値はトラッキングの精度に不可欠であり、各データセットや場合によっては各シーケンスごとに手動で調整する必要があるため、実世界の応用における柔軟性を制限している。本論文では、このような問題に対処するため、手動によるしきい値設定なしにさまざまな状況に適応可能な新しいMOTアルゴリズム「AdapTrack」を提案する。精密に設計されたマッチング戦略により、本トラッカーは各フレームごとに適切なしきい値を自動的に選択し、検出されたオブジェクトを正しく関連付けることができる。その結果、AdapTrackは標準的なMOTベンチマークであるMOT17およびMOT20において、既存の最先端手法と比較して優れた性能を示した。すべてのソースコードは、https://github.com/kamkyu94/AdapTrack で公開されている。