다중 객체 추적(Multi-object tracking, MOT)의 목표는 객체의 위치를 추정하고 그 정체성을 일관되게 유지하여 각 객체의 개별 궤적을 산출하는 것이다. 서로 다른 센서의 장점을 활용하여 추적 성능을 향상시킬 수 있으므로, 3D MOT를 달성하기 위해 다중 센서 정보를 융합하는 것이 하나의 추세가 되었다. 그러나 다양한 특성의 특징을 융합해야 하며, 상당한 노ise로 인해 잘못된 연관(wrong association)이 발생할 수 있어 이는 어려운 작업이다. 본 논문에서는 카메라-라이다(camera-Lidar) 정보 융합 기반 MOT 프레임워크를 강화하기 위해, 친화도(affinity) 함수를 생성하는 적응 가중치 매개변수 기반 다중 특징 융합과 데이터 연관 탐색 범위의 적응적 설정을 함께 제안한다. 먼저, 두 센서에서 검출된 결과를 세 가지 범주로 나눈다. 그런 다음, 운동(motion) 정보와 외관(appearance) 정보를 모두 충분히 활용하기 위해, 외관 정보를 운동 정보에 내재화하기 위한 적응 가중치 매개변수 설정을 제안하여 데이터 연관을 위한 친화도 함수를 구성하는 기반을 마련한다. 또한 객체의 일시적 가림(occlusion) 또는 시야 이탈(out-of-view)로 인해 발생하는 잘못된 연관을 완화하기 위해, 추적 궤적이 사라지는 프레임 수를 기반으로 연관 탐색 영역을 적응적으로 조정하는 방법을 도입한다. 마지막으로, 상당한 노ise로 인한 외관 정보 오염(appearance information pollution)을 방지하기 위해, 신뢰도 점수(confidence score) 기반의 추적 궤적 외관 특징 업데이트 전략을 탐구한다. KITTI 및 nuScenes MOT 벤치마크에 대한 실험 결과는 다른 최신(state-of-the-art) MOT 방법들에 비해 현저한 성능 향상을 보이며, 설계한 모듈들의 효과를 입증한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.