相関フィルタを学習するため、{順, 逆}方向の追跡では{最初, 最後}のフレームから開始して{最後, 最初}のフレームの位置に戻れるか、で連続するフレームから誤差を順次計算。擬似ラベルも作成しつつ、時間的に隣り合うフレームではSiameseNetにより順/逆方向の追跡で整合性が取れているかを確認。

OTB-2015/Temple-Color/VOT2016で実験。教師なしにも関わらず、教師ありのベースラインと同等の精度まで到達した（例えばOTB-2015 datasetでは教師あり65.7に対して提案手法UDT+は63.2; FPSはそれぞれ50, 55）。

動画に対する物体追跡において、ドメイン知識である順方向・逆方向の整合性を用いてSiameseNetを学習することに成功。シンプルな教師なし学習ながら教師ありと同等の性能を実現、処理時間も同等以上であり、有効性が高いと判断。