GTA: 스포츠에서 다중 객체 추적을 위한 글로벌 트랙렛 연관화

스포츠 장면에서의 다중 객체 추적은 컴퓨터 비전 분야의 주요 연구 포인트 중 하나로, 딥러닝 기술의 통합을 통해 상당한 발전을 이루어 왔습니다. 그러나 이러한 혁신에도 불구하고, 선수들이 다시 장면에 진입할 때 정확하게 재식별하는 것과 ID 전환을 최소화하는 등의 문제점이 여전히 남아 있습니다. 본 논문에서는 이러한 추적 성능을 향상시키기 위해 여러 개체를 포함하는 트랙렛(tracklet)을 분리하고 동일한 개체처럼 보이는 트랙렛을 연결하는 외관 기반의 전역 트랙렛 연관 알고리즘을 제안합니다. 이 방법은 어떤 다중 객체 추적기에도 적용 가능한 플러그 앤 플레이(plug-and-play) 정교화 도구로 활용될 수 있습니다. 제안된 방법은 SportsMOT 데이터셋에서 HOTA 점수가 81.04%인 새로운 최고 수준의 성능을 달성하였으며, SoccerNet 데이터셋에서도 여러 추적기들의 성능을 향상시켜 HOTA 점수를 일관되게 79.41%에서 83.11%로 높였습니다. 이러한 다양한 추적기와 데이터셋에서의 상당하고 일관된 성능 향상은 제안된 방법이 스포츠 선수 추적 응용 분야에 미칠 잠재적인 영향을 강조합니다. 우리는 프로젝트 코드베이스를 오픈 소스로 제공하며, 해당 링크는 https://github.com/sjc042/gta-link.git 입니다.