ReferTrack: 참조 후 추적을 위한 체화된 시각 추적

연구진은 언어로 지정한 대상을 바운딩 박스로 먼저 식별한 뒤 추적 웨이포인트를 예측하는 단일 카메라 EVT 방식 ReferTrack을 제안했다.

이 시스템은 시간적 박스 이력과 Refer-QA 데이터셋을 활용해 대상 식별과 모션 추적 성능을 높였다.

ReferTrack은 EVT-Bench에서 최고 성능을 기록했으며 실제 로봇 배치에서도 강한 성능을 보였다.

이번 연구는 추상적 추론보다 이미지에 근거한 지도형 추적이 더 효과적일 수 있으며, 어려운 식별 과제에서 다중 카메라 방식과도 경쟁 가능함을 보여준다.