찾은 대상의 상자는 정확한가
대상이 어느 부근에 있는지 알아도 상자의 크기와 모양이 실제 대상에 맞지 않을 수 있다. ATOM은 대상을 구분하는 문제와 정확한 상태를 추정하는 문제를 별도 구성 요소로 다룬다. 분류 점수만으로 상자의 품질을 대신하지 않는다.
겹침을 예측해 상태 조정하기
사전 학습한 추정부는 대상과 후보 상자가 얼마나 겹칠지 예측한다. 대상별 정보도 추정에 반영한다. 추적 중에는 실제 정답 상자를 새로 제공받는 것이 아니므로 예측한 겹침과 실제 겹침 사이에 오차가 있을 수 있다.
같은 중심과 다른 크기 예
설명용으로 같은 중심의 정사각형 두 개의 변 길이가 2와 4라면 작은 영역의 넓이는 4, 큰 영역은 16이다. 하나가 다른 하나 안에 있으므로 IoU는 0.25다. 중심을 정확히 맞혔어도 상자 크기가 틀리면 겹침이 낮아질 수 있다.
분류와 상태의 공동 평가
온라인 분류는 방해 물체를 구별하도록 대상에 적응하지만 잘못된 갱신에 영향을 받을 수 있다. 위치 및 크기의 오차와 추적 실패를 나누어 확인한다. 겹침 추정과 온라인 학습의 반복 비용을 포함해 속도를 비교하고 초기 상자 및 검색 조건도 맞춘다.