본 논문은 추적-탐지 패러다임을 따르는 다중 객체 추적(MOT)에서 데이터 연관 문제를 해결하기 위해 Transformer 기반 할당 결정 네트워크(TADN)를 제안합니다. 기존의 데이터 연관 방법들은 추론 시 최적 할당을 계산하는 최적화 단계가 필요하지만, TADN은 네트워크의 단일 순방향 패스를 통해 탐지와 활성 타겟 간의 할당 쌍을 직접 추론합니다. 단순한 MOT 프레임워크에 TADN을 통합하고 효율적인 end-to-end 학습 전략을 설계하여 MOT17, MOT20, UA-DETRAC 벤치마크에서 높은 성능을 보였습니다. 특히, 폐색 처리나 재식별과 같은 보조 구성 요소 없이도 우수한 성능을 달성했습니다. 소스 코드는 공개적으로 제공됩니다.