일반화된 다객체 추적을 위한 신뢰도 인지 매칭 전략

다중 객체 추적(Multi-object tracking, MOT)은 컴퓨터 비전 분야에서 핵심적인 과제로, 다양한 응용 분야에서 폭넓게 활용되고 있다. 최근에는 객체 탐지와 연관성 부여 과정을 분리하는 '탐지 기반 추적기(detection-based trackers)'가 최첨단 성능을 보이며 주목받고 있다. 그러나 특징 강화 기법이나 거리 측정 방식 등은 광범위하게 탐구되었음에도 불구하고, 매칭 전략 자체는 여전히 더 깊이 있는 연구가 필요한 분야로 남아 있다. 그 결과, 많은 추적기가 각각의 추적 환경에 맞춰 민감한 하이퍼파라미터를 수동으로 조정해야 하는 상황에 놓여 있어, 동적 환경에서의 적응성과 견고성에 한계가 있다. 이러한 문제를 해결하기 위해, 본 연구에서는 세 가지 모듈로 구성된 새로운 신뢰도 인식 매칭 전략을 갖춘 CMTrack이라는 새로운 추적기를 제안한다. 이 전략은 신뢰도 인식 캐스케이드 매칭(Confidence-aware Cascade Matching, CCM), 신뢰도 인식 거리 융합(Confidence-aware Metric Fusion, CMF), 신뢰도 인식 특징 업데이트(Confidence-aware Feature Update, CFU)로 구성되어 있으며, 통합된 프레임워크 내에서 다양한 추적 시나리오에 대해 일반화되고 실용적인 솔루션을 제공함과 동시에 하이퍼파라미터의 수동 보정을 불필요하게 만든다. CMTrack의 효과성은 MOT17, MOT20, DanceTrack 세 가지 주요 MOT 데이터셋에 대한 종합적인 평가를 통해 입증되었다. 특히, 기존 최첨단 추적기들을 지속적으로 상회하며 뛰어난 일반화 능력을 입증하였다. 소스 코드와 모델은 https://github.com/kamkyu94/CMTrack 에 공개되어 있다.