다중 가설 추적 재조명

이 논문은 탐지를 통한 추적 프레임워크에서 고전적인 다중 가설 추적(MHT) 알고리즘을 재조명합니다. MHT의 성공은 주로 정확한 객체 탐지기를 활용하여 잠재적인 가설 목록을 유지하는 능력에 달려 있습니다. 우리는 90년대의 고전적인 MHT 구현이 표준 벤치마크 데이터셋에서 최신 방법의 성능에 놀라울 정도로 가까워질 수 있음을 보여줍니다. MHT가 고차원 정보를 활용하는 강점을 더욱 활용하기 위해, 우리는 각 추적 가설에 대한 온라인 외형 모델을 훈련하는 방법을 소개합니다. 우리는 외형 모델이 정규화된 최소 제곱 프레임워크를 통해 효율적으로 학습될 수 있으며, 각 가설 가지에 대해 몇 가지 추가 작업만 필요하다는 것을 보여줍니다. 우리는 PETS 및 최근 MOT 챌린지와 같은 인기 있는 탐지 기반 추적 데이터셋에서 최첨단 결과를 얻었습니다.