오픈 월드 트래킹의 개방

모델 훈련 중에 한 번도 보지 못한 객체를 포함한 모든 객체를 추적하고 탐지하는 능력은 자율 시스템에게 핵심적이지만 여전히 해결되지 않은 과제이다. 훈련 과정에서 한 번도 접한 적 없는 객체를 인식하지 못하는 자율 에이전트는 실제 세계에서 운영 시 안전 위험을 초래한다. 그러나 현재 대부분의 시스템이 여전히 이러한 방식으로 작동하고 있다. 어떤 객체든 추적하는 이 작업의 발전을 저해하는 주요 장애물 중 하나는 이 과제가 평가하기 매우 어렵다는 점이다. 기존 연구 성과들 간에 정확한 비교가 가능하도록 해주는 벤치마크가 존재하지 않으면, 이 중요한 연구 분야의 발전은 불가능에 가깝다. 본 논문은 이러한 평가 부족 문제를 해결하고, 개방형 환경(Open World)에서 이미 알고 있는 객체와 알지 못하는 객체를 모두 탐지하고 추적하는 연구의 전반적인 풍경과 평가 방법론을 제시한다. 우리는 새로운 벤치마크인 TAO-OW(Tracking Any Object in an Open World)를 제안하고, 다객체 추적 기존 연구들을 분석하며, 이 작업에 대한 기준 성능(baseline)을 구축함과 동시에 향후 과제들을 제시한다. 우리는 이 연구 분야에 새로운 전선을 열어, 결국 현실 세계에서 안전하게 작동할 수 있는 지능형 시스템에 한 걸음 더 다가갈 수 있기를 기대한다.