초록
시엠즈 추적기(Siamese trackers)는 프레임 내 후보 영역과 템플릿 간의 유사도를 추정하는 방식으로 추적을 수행한다. 수학적으로 이러한 유사도 함수의 성공 요인 중 핵심은 이동 불변성(translation equivariance)이다. 이동 불변성을 갖지 않는 아키텍처는 학습 과정에서 위치 편향(positional bias)을 유도하므로, 특징 공간에서 타깃의 위치를 복원하는 것이 어렵게 된다. 실세계 환경에서는 이동 외에도 회전이나 스케일링과 같은 다양한 변환이 발생한다. 모델이 이러한 변환을 내부적으로 처리할 수 있는 메커니즘이 없다면, 유사도는 저하될 수밖에 없다. 본 논문에서는 스케일링에 초점을 맞추며, 타깃의 자연스러운 변형을 미리 포착할 수 있도록 시엠즈 네트워크에 추가적인 내재적 스케일 불변성(scale equivariance)을 도입하는 것을 목표로 한다. 우리는 스케일 불변 시엠즈 추적기의 이론적 기반을 구축하고, 기존 다양한 추적기들이 스케일 불변성을 갖도록 만드는 간단한 방법론을 제시한다. 제시된 방법론에 따라 개발된 스케일 불변 시엠즈 추적기인 SE-SiamFC를 소개한다. OTB 및 VOT 벤치마크와 합성적으로 생성된 T-MNIST 및 S-MNIST 데이터셋을 활용한 실험을 수행한 결과, 내재적 스케일 불변성이 시각적 객체 추적에 유용함을 입증하였다.