EarlyBird: 조류 시점에서의 다중 뷰 추적을 위한 초기 융합

다중 시점 집계는 다중 객체 검출 및 추적에서 가림과 검출 누락 문제를 극복할 수 있는 가능성을 제시합니다. 최근의 다중 시점 검출 및 3D 객체 검출 방법들은 모든 시점을 지면으로 투영하고 상공 시점(Bird's Eye View, BEV)에서 검출을 수행함으로써 성능이 크게 향상되었습니다. 본 논문에서는 BEV에서 추적을 수행하는 것이 다중 대상 다중 카메라(Multi-Target Multi-Camera, MTMC) 추적에서 다음 성능 혁신을 가져올 수 있는지를 조사합니다. 현재의 대부분 다중 시점 추적 접근법은 각 시점에서 검출 및 추적 작업을 수행한 후 그래프 기반 접근법을 사용하여 각 시점 간 보행자의 연관성을 처리합니다. 이러한 공간적 연관성은 이미 BEV에서 각 보행자를 한 번씩 검출함으로써 해결되었으며, 이제 남은 문제는 시간적 연관성입니다. 시간적 연관성에 대해 우리는 각 검출에 대한 강력한 재식별(Re-Identification, re-ID) 특징을 학습하는 방법을 설명합니다. 결과는 BEV에서의 초기 융합이 검출과 추적 모두에서 높은 정확도를 달성한다는 것을 보여줍니다. EarlyBird는 최신 방법들을 능가하며, Wildtrack 데이터셋에서 +4.6 MOTA와 +5.6 IDF1로 현재 최고 수준의 성능을 개선했습니다.