하이브리드-SORT: 온라인 다중 객체 추적에서 약한 신호도 중요하다

다중 객체 추적(Multi-Object Tracking, MOT)은 프레임 간에 모든 원하는 객체를 탐지하고 연관시키는 것을 목표로 한다. 대부분의 기법은 강한 특징(즉, 공간적 정보 및 외형 정보)을 명시적 또는 암묵적으로 활용하여 개체 수준의 강력한 구분 능력을 달성한다. 그러나 객체가 겹치거나 군집되는 경우, 객체 간의 높은 겹침으로 인해 공간적 및 외형 정보가 동시에 모호해지게 된다. 본 논문에서는 이러한 MOT 분야에서 오랫동안 지속된 과제가 강한 특징을 보완하기 위해 약한 특징을 도입함으로써 효율적이고 효과적으로 해결될 수 있음을 보여준다. 속도 방향 외에도 신뢰도와 높이 상태를 잠재적인 약한 특징으로 제안한다. 뛰어난 성능을 유지하면서도, 본 방법은 간단하고 온라인, 실시간(Simple, Online and Real-Time, SORT) 특성을 그대로 유지한다. 또한, 학습 없이 플러그 앤 플레이 방식으로 다양한 추적기와 시나리오에 대해 뛰어난 일반화 성능을 보여준다. 다양한 대표적 추적기 5종에 본 방법을 적용했을 때, 일관되고 뚜렷한 성능 향상이 관측되었다. 더불어 강한 특징과 약한 특징을 함께 활용한 본 방법인 Hybrid-SORT는 MOT17, MOT20, 특히 상호작용과 심각한 가림 현상이 자주 발생하고 복잡한 운동을 보이는 DanceTrack을 포함한 다양한 벤치마크에서 뛰어난 성능을 달성한다. 코드 및 모델은 https://github.com/ymzis69/HybridSORT 에서 공개되어 있다.