SparseTrack: 의사 깊이 기반 장면 분해를 통한 다객체 추적

다중 객체 추적(MOT) 분야에서 강건하고 효율적인 연관 방법 탐색은 항상 중요한 과제였다. 기존의 추적 기법들은 놀라운 성능을 달성했지만, 여전히 혼잡한 환경과 자주 발생하는 가림 현상은 다중 객체 추적에 있어 도전적인 문제를 야기한다. 본 연구에서는 밀집된 장면에서 희소 분해( sparse decomposition)를 수행하는 것이 가려진 객체를 효과적으로 연관시키기 위한 핵심 단계임을 밝혔다. 이를 위해 2차원 이미지로부터 대상 간 상대 깊이를 추정하는 의사 깊이 추정(pseudo-depth estimation) 방법을 제안한다. 또한, 획득한 깊이 정보를 활용하여 밀집된 대상 집합을 여러 개의 희소 대상 하위 집합으로 분할하고, 가까운 대상부터 먼 대상 순으로 데이터 연관을 수행할 수 있는 깊이 계단식 매칭(Depth Cascading Matching, DCM) 알고리즘을 설계한다. 의사 깊이 추정 기법과 DCM 전략을 데이터 연관 과정에 통합함으로써, 새로운 추적기인 SparseTrack을 제안한다. SparseTrack은 혼잡한 장면에서의 다중 객체 추적 문제 해결을 위한 새로운 시각을 제시한다. 단순히 IoU 매칭만을 사용함에도 불구하고, MOT17 및 MOT20 벤치마크에서 최신 기술(SOTA) 수준의 성능을 달성하였다. 코드 및 모델은 공개적으로 제공되며, \url{https://github.com/hustvl/SparseTrack}에서 확인할 수 있다.