ModTrack: センサ非依存のマルチビュー追跡を実現する、アイデンティティ情報を取り入れたPHDフィルタリングと共分散伝搬

要旨: Multi-View Multi-Object Tracking (MV-MOT) は、複数のセンサーによって観測された物体の同一性を局在化し、一貫性を維持することを目指します。ビューの変化や遮蔽は、ビュー間および時間を通じて同一性の一貫性を崩すため、このタスクは困難です。最近のエンドツーエンドのアプローチは、2D Bird's Eye View (BEV) 表現と同一性アソシエーションを共同で学習することにより高い追跡精度を達成します。しかし、これらの手法は原理的な不確実性の評価を提供せず、トレーニング設定に強く結びついたままで、再訓練なしにはセンサ配置、モダリティ、データセット間の一般化を制限します。我々は ModTrack を提案します。モジュラー MV-MOT システムで、エンドツーエンドの性能と同等を保ちつつ、クロスモーダルでセンサに依存しない一般化と追跡可能な不確実性を提供します。ModTrack は MV-MOT パイプラインの学習を、\textit{Detection and Feature Extraction} ステージのみに限定し、すべての融合、アソシエーション、追跡を閉形式の解析法を用いて行います。私たちの設計は各センサの出力を、キャリブレーション済みの位置共分散対 (\mathbf{z}, R) に還元します；ビュー間クラスタリングと精度加重の融合により、同一性割り当てと時系列追跡のための統一推定値 (\hat{\mathbf{z}}, \hat{R}) を得ます。フィードバック結合型の、同一性情報を取り込んだ Gaussian Mixture Probability Hypothesis Density (GM-PHD) フィルタは、HMM モーションモードを備え、これらの融合推定値を見逃し検出や重い遮蔽の下で同一性を維持します。ModTrack は \textit{WildTrack} で 95.5 IDF1 と 91.4 MOTA を達成し、これまでのすべてのモジュール手法を 21 ポイント以上上回り、エンドツーエンドの最先端手法と肩を並べる一方で、それらには実現できない展開の柔軟性を提供します。具体的には、同じトラッカーコアは \textit{MultiviewX} および \textit{RadarScenes} へ、ドメインやセンサモダリティを新しく拡張するには知覚モジュールの置換のみが必要です。