온라인 다중 객체 추적을 위한 듀얼 매칭 어텐션 네트워크

본 논문에서는 단일 객체 추적과 데이터 연관 방법의 장점을 통합한 온라인 다중 객체 추적(Multi-Object Tracking, MOT) 접근법을 제안합니다. 이 접근법은 대상 간의 잡음 검출과 빈번한 상호작용을 처리하기 위해 설계되었습니다. 특히, MOT에서 단일 객체 추적을 적용하기 위해 최신 시각 추적기(state-of-the-art visual tracker)를 기반으로 한 비용 감응형 추적 손실(cost-sensitive tracking loss)을 도입하였습니다. 이 손실 함수는 온라인 학습 중 모델이 어려운 부정적인 방해 요소에 집중하도록 유도합니다. 데이터 연관에 대해서는 공간적 및 시간적 주의 메커니즘을 모두 포함하는 듀얼 매칭 주의 네트워크(Dual Matching Attention Networks, DMAN)를 제안합니다. 공간 주의 모듈은 두 개의 주의 맵을 생성하여 입력 이미지 쌍의 일치 패턴에 집중할 수 있도록 합니다. 시간 주의 모듈은 트랙릿(tracklet) 내 샘플들에 대해 다른 수준의 주의를 적응적으로 할당하여 잡음 관측치를 억제합니다. MOT 벤치마크 데이터셋에서 수행된 실험 결과는 제안된 알고리즘이 온라인 및 오프라인 추적기와 비교하여 동일성 유지 지표(identity-preserving metrics) 측면에서 우수한 성능을 보임을 입증하였습니다.