不確かな検出の扱いやIDスイッチの回避は、複数対象追跡（Multiple Object Tracking: MOT）の成功に不可欠である。理想的には、MOTアルゴリズムは真陽性の検出のみを用い、リアルタイムで動作し、IDスイッチを一切生じさせないべきである。本研究では、上記の理想に近づくために、シンプルかつ効果的な「トラッキング・バイ・検出」型MOT手法であるBoostTrackを提案する。本手法は、MOT性能を向上させるための軽量かつ即時適用可能な追加モジュールを複数導入している。まず、検出とトラッケット（tracklet）の信頼度スコアを設計し、これを類似度測定にスケーリングすることで、単段階の関連付けにおいて高い検出信頼度と高いトラッケット信頼度のペアを暗黙的に優遇する。また、交差領域比（IoU）による曖昧性を低減するため、新しいマハラノビス距離と形状類似性の追加を提案し、全体的な類似度測定を強化している。さらに、単段階関連付けにおいて低スコアのバウンディングボックスを有効活用するため、以下の2つの検出群の信頼度スコアを向上させる手法を提案する：（1）既存の追跡対象に対応すると仮定される検出、および（2）以前に検出されていなかった対象に対応すると仮定される検出。本提案の追加要素は従来のアプローチと直交しており、補間処理およびカメラの運動補償と組み合わせることで、標準ベンチマークソリューションと同等の性能をリアルタイム実行速度を維持したまま達成している。外観類似性と組み合わせた場合、BoostTrackはMOT17およびMOT20データセットにおいてすべての標準ベンチマークソリューションを上回り、MOT ChallengeのMOT17およびMOT20テストセットにおいて、オンライン手法の中でHOTA指標で第1位を達成した。本研究のコードはGitHubにて公開されている：https://github.com/vukasin-stanojevic/BoostTrack。