딥 OC-SORT: 적응형 재식별을 통한 다중 보행자 추적

다중 객체 추적(MOT)에서 운동 기반 연관 기법은 최근 강력한 객체 탐지기의 등장과 함께 다시 주목받고 있다. 그러나 이러한 기법에도 불구하고, 특징 손실에 취약한 단순 히우리스틱 모델을 넘어서는 외형 정보를 통합하기 위한 연구는 거의 이루어지지 않았다. 본 논문에서는 기존의 고성능 운동 기반 방법에 외형 매칭을 적응적으로 통합할 수 있는 새로운 방식을 제안한다. 순수 운동 기반 방법인 OC-SORT를 기반으로, MOT20에서 1위(63.9 HOTA), MOT17에서 2위(64.9 HOTA)를 달성하였다. 또한, 도전적인 DanceTrack 벤치마크에서 61.3 HOTA를 기록하며, 더 복잡한 설계를 가진 기존 방법들에 비해 새로운 최고 성능을 달성하였다. 코드 및 모델은 \url{https://github.com/GerardMaggiolino/Deep-OC-SORT}에서 제공된다.