대규모 실세계 다인원 추적

이 논문은 현재 제공되는 고품질 다중 객체 추적 데이터셋인 MOT17, HiEve, MOT20 등보다 한 단계 이상 더 큰 규모를 갖춘 새로운 대규모 다인 추적 데이터셋인 \texttt{PersonPath22}를 제안한다. 이 작업을 위한 대규모 학습 및 테스트 데이터의 부족은 추적 시스템이 사람 밀도, 수행 중인 행동, 날씨 조건, 시간대 등 다양한 시나리오와 환경에서의 성능을 평가하고 이해하는 데 있어 연구 공동체의 능력을 제한해왔다. \texttt{PersonPath22} 데이터셋은 이러한 다양한 조건을 포괄적으로 포함하도록 특별히 수집되었으며, 추적 성능을 다양한 차원(예: 밀도, 행동 유형, 날씨, 시간대 등)에 따라 평가할 수 있도록 풍부한 메타데이터를 포함하고 있다. 또한, 학습 데이터의 부족은 추적 시스템의 엔드 투 엔드 학습 수행 능력을 제한해 왔다. 그 결과, 현재 가장 높은 성능을 보이는 추적 시스템들은 모두 외부 이미지 데이터셋으로 사전 훈련된 강력한 탐지기(detector)에 의존하고 있다. 본 데이터셋의 공개를 통해 대규모 비디오 기반 학습 데이터를 활용한 새로운 연구 방향이 촉진되기를 기대한다.