Siamese-based trackers have recently demonstrated impressive performance and high speed. Despite their great success, conventional siamese trackers are prone to be fooled when facing appearance variations of target objects because they refer to fixed templates captured from first frames to track target objects in the rest of videos. To address this issue, we propose a novel siamese-based tracking framework utilizing a dual template which consists of a static template and a dynamic template. The dynamic template is updated every update interval and allows the tracker to catch appearance variations of the target over time. Furthermore, we introduce a reliability score which prevents incorrect dynamic templates from degrading tracking performance to ensure reliable dynamic template updates. Experimental results show that our method possesses better discriminability and robustness than the baseline, which utilizes a single static template.
최근 샴 넴트워크 기반의 물체추적 방법들은 인상적인 성능과 빠른 속도를 보여주고 있다. 이러한 성공에도 불구하고 기존의 샴 물체추적 방법들은 첫 번째 프레임에서 추출한 고정된 템플릿을 참조하여 나머지 비디오에서 대상 물체를 추적하기 때문에 대상 물체의 형태 변화에 취약하다. 이 문제를 해결하기 위하여 우리는 정적 템플릿과 동적 템플릿으로 구성된 이중 템플릿을 사용하는 새로운 샴 네트워크 기반 추적 프레임워크를 제안한다. 동적 템플릿은 업데이트 간격마다 업데이트되며, 추적기가 시간 경과에 따른 대상의 형태 변화를 포착할 수 있도록 한다. 또한 잘못된 동적 템플릿이 추적 성능을 저하시키는 것을 방지하여 안정적인 동적 템플릿 업데이트를 보장하는 reliability score를 도입한다. 실험 결과는 우리의 방법이 단일 정적 템플릿을 사용하는 기존의 방법에 비하여 더 나은 추적 성능과 강인함을 가지고 있음을 보인다.
