MambaMOT: 다객체 추적을 위한 운동 예측기로서의 상태공간 모델

다중 객체 추적(Multi-Object Tracking, MOT) 분야에서 전통적인 방법들은 주로 선형 운동 시나리오에서 우수한 성능을 보이는 칼만 필터(Kalman filter)를 활용하여 운동 예측을 수행한다. 그러나 스포츠나 무용과 같은 동적 환경에서 흔히 발생하는 복잡한 비선형 운동 및 가림 현상에 직면할 때, 이러한 방법의 내재적 한계가 명확하게 드러난다. 본 논문은 칼만 필터 기반 추적기의 제약을 넘어 추적 정확도와 적응성을 향상시키기 위해 학습 기반의 운동 모델을 칼만 필터 대신 도입할 수 있는 가능성을 탐구한다. 본 연구에서 제안하는 MambaMOT 및 MambaMOT+는 DanceTrack과 SportsMOT과 같은 도전적인 MOT 데이터셋에서 뛰어난 성능을 보이며, 전통적 방법보다 비선형 운동 패턴과 빈번한 가림 현상을 더 효과적으로 처리할 수 있음을 입증한다.