초록
최근 시각 추적 분야의 발전은 쌍생 네트워크(Siamese network) 기반의 특징 추출기와 템플릿 매칭에 기반하고 있습니다. 이러한 추적기들에 대한 최신 연구는 더 나은 특징 임베딩과 유사성 측정 방법에 초점을 두고 있습니다. 본 연구에서는 추적을 위한 통합적인 객체 표현을 구축하는 데 중점을 두고 있습니다. 우리는 이전 추적기에 추가로 사용될 수 있는 프레임워크를 제안하며, 쌍생 네트워크의 추가 학습이 필요하지 않습니다. 이 프레임워크는 추적 과정 중에 추가적인 객체 템플릿을 획득하는 아이디어를 활용합니다. 저장된 템플릿의 수가 제한되어 있기 때문에, 우리의 방법은 가장 다양성을 가진 템플릿만 유지합니다. 이를 위해 쌍생 특징 공간에서 새로운 다양성 측정 방법을 제공합니다. 획득된 표현은 시스템에 제공되는 지면 진실(Ground truth) 객체 위치 정보 이상의 정보를 포함합니다. 이는 추적 자체뿐만 아니라 객체의 시각적 이해가 필요한 다른 작업에도 유용합니다. 추적 벤치마크에서 강력한 경험적 결과가 나타났으며, 이는 우리의 방법이 기존 추적기들의 성능과 견고성을 개선하면서도 속도를 거의 줄이지 않는다는 것을 보여줍니다. 또한, 우리의 방법은 더 단순하고 오래된 네트워크 아키텍처를 사용하면서도 세 배 빠르게 실행되며, 현재 최신 연구 결과와 맞먹는 성능을 내는 것으로 확인되었습니다.