초록
Simple Online and Realtime Tracking (SORT)는 다중 객체 추적에 있어 간단하고 효과적인 알고리즘에 중점을 둔 실용적인 접근 방식입니다. 본 논문에서는 외관 정보를 통합하여 SORT의 성능을 개선하였습니다. 이러한 확장 덕분에 우리는 객체가 더 오랜 시간 동안 가려져 있을 때도 추적할 수 있으며, 정체성 전환의 횟수를 효과적으로 줄일 수 있습니다. 원래 프레임워크의 정신에 따라, 우리는 대부분의 계산 복잡성을 오프라인 사전 학습 단계에서 처리하며, 이때 대규모 사람 재식별 데이터셋을 사용하여 깊은 연관 메트릭을 학습합니다. 온라인 적용 시에는 시각적 외관 공간에서 가장 가까운 이웃 쿼리를 사용하여 측정치와 추적 경로 간의 연관성을 설정합니다. 실험 평가는 우리의 확장이 정체성 전환 횟수를 45% 감소시키며, 고 프레임 속도에서 전반적으로 경쟁력 있는 성능을 달성함을 보여줍니다.