따로 특징을 만든 뒤 비교할 때
템플릿과 검색 영역의 특징을 독립적으로 만든 뒤 비교하면 특징을 추출하는 단계에서 서로의 정보를 알지 못할 수 있다. OSTrack은 특징 학습과 관계 처리를 한 흐름으로 묶는다. 검색 대상에 맞는 구별 단서를 추출하려는 접근이다.
양방향으로 정보 주고받기
템플릿은 검색 영역을 해석하는 기준을 주고 검색 영역도 템플릿 특징의 처리에 영향을 준다. 한 흐름이라는 말이 입력 이미지가 반드시 한 장이라는 뜻은 아니다. 대상 예시와 검색 입력의 구분은 여전히 존재한다.
후보를 줄이는 계산 예
설명용으로 검색 후보가 100개이고 이른 단계에서 40개를 제외하면 이후에 남는 후보는 60개다. 다만 제외된 후보에 실제 대상이 있었다면 정확도에 손해가 생긴다. 실제 제거 비율이나 연산 절감률을 나타내는 수는 아니며 초기 제거 단계의 비용도 남는다.
효율과 실패 조건
내부 후보 제거는 유사성 단서를 이용해 추론 효율을 높이는 구성이다. 대상이 작거나 외형이 변하면 조기에 잘못 제외할 가능성도 평가해야 한다. 같은 초기 상자와 검색 범위에서 정확도, 처리 시간과 메모리를 함께 비교하고 가림 뒤 회복 성능도 확인한다.
관련 문서
SiamFC / SiamRPN 플러스 / STARK / TrackFormer / MOTR / 트랜스포머