다른 추적 작업은 다른 외관 모델을 필요로 하는가?

영상에서 관심 대상 물체를 추적하는 것은 컴퓨터 비전 분야에서 가장 인기 있고 광범위하게 적용되는 문제 중 하나입니다. 그러나 시간이 지남에 따라 사용 사례와 벤치마크의 캄브리아 폭발(Cambrian explosion)로 인해 이 문제가 다양한 실험 환경으로 분산되었습니다. 그 결과, 문헌도 분산되었으며, 이제 커뮤니티가 제안하는 새로운 접근 방식은 일반적으로 한 가지 특정 환경에만 특화되어 있습니다. 이러한 특화가 어느 정도 필요한지 이해하기 위해, 본 연구에서는 동일한 프레임워크 내에서 다섯 가지 다른 작업을 해결하기 위한 UniTrack를 제시합니다. UniTrack는 감독 학습 또는 자기 감독 학습 방식으로 학습될 수 있는 단일하고 작업에 독립적인 외관 모델과 개별 작업을 처리하며 학습이 필요하지 않은 여러 "헤드"로 구성됩니다. 우리는 대부분의 추적 작업이 이 프레임워크 내에서 해결될 수 있으며, 같은 외관 모델이 고려된 대부분의 작업에서 전문적인 방법들과 경쟁력 있는 결과를 얻는 데 성공적으로 사용될 수 있음을 보여줍니다. 또한, 이 프레임워크는 최근 자기 감독 방법으로 얻은 외관 모델들을 분석할 수 있게 하므로, 더 다양한 중요한 문제들에 대한 평가와 비교를 확장할 수 있습니다.