StrongSORT: DeepSORT을 다시 한 번 위대하게 만들기

최근 다객체 추적(Multi-Object Tracking, MOT)에 대한 관심이 높아지면서 관련 기술에서도 상당한 진전이 이루어졌다. 그러나 기존의 방법들은 다양한 기본 모델(예: 탐지기 및 임베딩 모델), 각기 다른 학습 또는 추론 기술을 활용하는 경향이 있어, 공정한 비교를 위한 강력한 베이스라인 구축이 필수적이다. 본 논문에서는 먼저 전통적인 추적기인 DeepSORT를 재검토한 후, 객체 탐지, 특징 임베딩, 궤적 연결 등 다양한 측면에서 크게 개선하였다. 제안하는 추적기인 StrongSORT는 MOT 커뮤니티에 강력하고 공정한 베이스라인을 제공한다. 또한, MOT의 내재된 두 가지 핵심 문제인 ‘연결 누락’과 ‘탐지 누락’을 해결하기 위해, 경량화되고 즉시 적용 가능한 두 가지 알고리즘을 제안한다. 구체적으로, 대부분의 기존 방법이 높은 계산 복잡도로 짧은 트랙릿(short tracklets)을 완전한 궤적에 연결하는 반면, 본 연구에서는 외형 정보 없이 전역적으로 연결을 수행할 수 있는 ‘appearance-free link 모델(AFLink)’을 제안하여 속도와 정확도 사이에 우수한 균형을 달성하였다. 또한, 가우시안 프로세스 회귀를 기반으로 한 가우시안 스무딩 보간(Gaussian-smoothed interpolation, GSI)을 도입하여 탐지 누락 문제를 완화하였다. AFLink와 GSI는 다양한 추적기와 쉽게 통합 가능하며, 추가적인 계산 비용이 극히 적다(각각 MOT17 기준 이미지당 1.7ms 및 7.1ms). 마지막으로, StrongSORT에 AFLink와 GSI를 융합한 최종 추적기인 StrongSORT++는 MOT17, MOT20, DanceTrack, KITTI 등 여러 공개 벤치마크에서 최신 기술 수준의 성능을 달성하였다. 코드는 다음과 같은 주소에서 제공된다: https://github.com/dyhBUPT/StrongSORT 및 https://github.com/open-mmlab/mmtracking.