MotionTrack: 다중 객체 추적을 위한 운동 예측 모델 학습

다중 객체 추적(MOT) 분야에서는 탐지 기술과 재식별(ReID) 기술의 발전을 통해 상당한 진전이 이루어졌다. 그러나 외형이 유사하고 운동 특성이 다양한 상황에서 객체를 정확히 추적하는 것은 여전히 도전 과제로 남아 있다. 이 문제는 두 가지 주요 요인에 기인한다: ReID 특징의 구분 능력 부족과 MOT에서 선형 운동 모델의 과도한 활용이다. 이러한 맥락에서 우리는 객체의 궤적 정보에만 기반하는 학습 가능한 운동 예측기 기반의 새로운 운동 기반 추적기인 MotionTrack를 제안한다. 이 예측기는 운동 특징의 두 가지 차원(세부 수준과 채널 수준)을 종합적으로 통합함으로써 시간적 동역학을 더욱 정교하게 모델링하고 개별 객체의 미래 운동을 정밀하게 예측할 수 있도록 한다. 구체적으로, 제안된 방법은 토큰 수준 정보를 포착하기 위해 자기 주의(self-attention) 메커니즘을, 채널 수준 특징을 모델링하기 위해 동적 MLP(Dynamic MLP) 레이어를 활용한다. MotionTrack는 간단하고 온라인 추적 기반의 접근 방식이다. 실험 결과, Dancetrack 및 SportsMOT과 같은 고도로 복잡한 객체 운동을 포함한 데이터셋에서 MotionTrack가 최신 기술 수준(SOTA)의 성능을 달성함을 입증하였다.