BoostTrack++: 다중 객체 추적에서 트랙렛 정보를 활용하여 더 많은 객체 탐지하기

다중 객체 추적(Multiple Object Tracking, MOT)은 진정한 양성 검출 경계 상자(True Positive Detected Bounding Boxes)의 선택에 크게 의존한다. 그러나 이 문제의 측면은 대부분 간과되거나, 두 단계 추적 연관(association) 기법을 활용하거나 두 번째 단계에서 낮은 신뢰도 검출 결과를 사용함으로써 완화된다. 최근 제안된 BoostTrack은 다단계 연관 접근 방식의 단점을 피하고 낮은 신뢰도 검출 결과를 활용하기 위해 검출 신뢰도 강화(detection confidence boosting) 기법을 도입하였다. 본 논문에서는 BoostTrack에서 사용되는 신뢰도 강화 기법의 한계를 식별하고, 이를 개선하기 위한 방법을 제안한다. 진정한 양성 검출 결과를 보다 효과적으로 선택하고 더 풍부한 유사도 측정을 가능하게 하기 위해, 우리는 모양(shape), 마할라노비스 거리(Mahalanobis distance), 그리고 새로운 소프트 BIoU 유사도(soft BIoU similarity)의 조합을 제안한다. 또한, 기존 신뢰도 점수와 유사도 측정 기반으로 새로운 신뢰도 점수를 계산하는 소프트 검출 신뢰도 강화 기법을 제안하며, 정기적으로 업데이트되지 않는 검출 결과와 트랙릿(tracklets) 간의 낮은 유사도를 반영하기 위해 가변적인 유사도 임계값을 도입한다. 제안된 기법들은 상호 독립적이며, 어떤 MOT 알고리즘에도 적용 가능하다. BoostTrack+ 기준 모델과 결합했을 때, 본 방법은 MOT17 데이터셋에서 최신 기술 수준에 근접한 성능을 달성하였으며, MOT20 데이터셋에서는 새로운 최고 성능을 기록한 HOTA 및 IDF1 점수를 확보하였다. 소스 코드는 다음 주소에서 공개되어 있다: https://github.com/vukasin-stanojevic/BoostTrack.