Staple: 실시간 추적을 위한 보완 학습자

최근 상관 필터 기반 추적기(correlation filter-based trackers)는 모션 블러와 조명 변화 등의 어려운 상황에서 뛰어난 안정성을 보여주며 우수한 성능을 달성하였습니다. 그러나 이들이 학습하는 모델은 추적 대상의 공간 배치에 크게 의존하기 때문에 변형에 매우 민감하다는 단점이 있습니다. 색상 통계 기반 모델들은 이러한 문제를 보완할 수 있는 특성을 가지고 있습니다. 즉, 형태의 변화에 잘 대처하지만, 시퀀스 내에서 조명이 일관되지 않을 때 성능이 저하됩니다. 또한, 색상 분포만으로는 충분히 구별력을 가지지 못할 수 있습니다. 본 논문에서는 릿지 회귀(ridge regression) 프레임워크에서 보완적인 신호(cues)를 결합한 간단한 추적기가 80 FPS 이상의 속도로 작동하며, 인기 있는 VOT14 경쟁의 모든 참가작뿐만 아니라 최근 개발된 고도화된 추적기들보다도 여러 벤치마크에서 더 우수한 성능을 발휘함을 보여드립니다.