BoostTrack: 다중 객체 추적을 위한 유사도 측정 및 탐지 신뢰도 향상을 위한 보강

신뢰할 수 없는 탐지 결과 처리 및 아이디 전환 방지는 다중 객체 추적(MOT) 성공에 있어 핵심적인 요소이다. 이상적인 MOT 알고리즘은 진정한 긍정 탐지 결과만을 사용하며, 실시간으로 작동하고 아이디 전환이 발생하지 않아야 한다. 이러한 이상적인 솔루션에 근접하기 위해, 우리는 단일 단계 연관(single-stage association)에서 높은 탐지 신뢰도와 높은 트랙릿 신뢰도 쌍을 암묵적으로 선호하는 동시에 유사도 측정을 조정하기 위해 탐지-트랙릿 신뢰도 점수를 설계한, 간단하면서도 효과적인 'BoostTrack'이라는 탐지 기반 추적 방법을 제안한다. 교차영역율(IoU) 사용으로 인한 모호성을 줄이기 위해, 새로운 마할라노비스 거리(Mahalanobis distance)와 형태 유사성(shape similarity) 추가 요소를 제안하여 전반적인 유사도 측정을 강화한다. 단일 단계 연관에서 낮은 탐지 점수를 가진 경계 상자(bounding box)를 효과적으로 활용하기 위해, 기존 추적 객체에 대응한다고 가정되는 탐지와, 이전에 탐지되지 않은 객체에 대응한다고 가정되는 탐지 두 그룹의 신뢰도 점수를 향상시키는 방식을 제안한다. 제안된 추가 요소들은 기존 접근법과 수직적(orthogonal)이며, 보간(interpolation) 및 카메라 운동 보정 기법과 결합함으로써, 표준 벤치마크 솔루션과 비슷한 성능을 달성하면서도 실시간 실행 속도를 유지할 수 있다. 외형 유사성(appearance similarity)과 결합할 경우, 본 방법은 MOT17 및 MOT20 데이터셋에서 모든 표준 벤치마크 솔루션을 능가하며, MOT Challenge의 MOT17 및 MOT20 테스트 세트에서 온라인 방법 중 HOTA 지표에서 1위를 기록한다. 코드는 다음 주소에서 공개된다: https://github.com/vukasin-stanojevic/BoostTrack.