추적 전에 움직임 배우기
새 대상을 만날 때마다 영상에서 모델을 처음 학습하는 대신 많은 영상에서 추적 관계를 미리 학습한다. GOTURN은 학습에서 보지 못한 새 대상에도 그 관계를 적용하는 회귀 구성을 사용한다. 모든 종류의 외형과 동작을 이미 알고 있다는 뜻은 아니다.
온라인 추론과 온라인 학습
프레임이 도착할 때마다 예측을 실행하는 것과 네트워크 가중치를 그때마다 학습하는 것은 다르다. GOTURN은 전자를 수행하면서 후자의 부담을 줄인다. 실행 중 학습하지 않아도 입력 영상의 변화에 따른 오차는 생길 수 있다.
속도 수치의 해석 예
설명용으로 한 프레임 예측이 10밀리초면 직렬 모델 실행만 계산한 속도는 초당 100프레임이다. 전처리와 입출력에 5밀리초가 추가되면 전체는 약 66.7프레임이 된다. 이는 실제 모델의 재측정값이 아니라 처리 범위에 따른 차이를 보여준다.
일반화와 추적 품질
사전 학습 영상의 다양성은 새 대상에 적용하는 능력에 영향을 준다. 빠른 이동과 가림, 학습과 다른 외형 조건을 따로 평가한다. 논문 제목의 속도를 모든 기기의 보장 성능으로 받아들이지 않고 입력 크기와 구현 및 전체 처리 비용을 맞춰 정확도와 비교한다.