Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

StableTrack: Stabilizing Multi-Object Tracking on Low-Frequency Detections

Created by
  • Haebom
Category
Empty

저자

Matvei Shelukhan, Timur Mamedov, Karina Kvanchiani

개요

본 논문은 컴퓨터 비전의 어려운 과제 중 하나인 다중 객체 추적 (MOT) 문제를 다룬다. 특히, 컴퓨팅 자원이 제한적인 환경에서 낮은 빈도의 감지에서도 추적 품질을 안정화하는 새로운 접근 방식인 StableTrack을 제안한다. StableTrack은 낮은 빈도의 감지 간의 프레임 간 연관성을 향상시키기 위해 새로운 2단계 매칭 전략을 도입하며, 기존의 Mahalanobis 거리를 대체하는 새로운 Bbox 기반 거리를 제안하여 Re-ID 모델을 효과적으로 활용한다. 또한 칼만 필터와 전반적인 추적 파이프라인에 시각적 추적을 통합한다.

시사점, 한계점

•
시사점:
◦
낮은 빈도의 감지 환경에서 기존 방식 대비 성능 향상 (MOT17-val에서 1 Hz로 11.6% HOTA 향상).
◦
표준 MOT17, MOT20, DanceTrack 벤치마크에서도 기존 SOTA 방식과 유사한 성능 유지.
◦
컴퓨팅 자원이 제한적인 환경에서의 MOT 문제 해결에 기여.
•
한계점:
◦
논문에서 구체적인 한계점에 대한 언급은 없음. (하지만, 모든 MOT 벤치마크에서 SOTA를 달성했는지는 불분명함.)
👍
Made with Slashpage