スライディングウィンドウに含まれる全てのフレームの検出結果とクエリから、Transformerでオブジェクトの軌跡を推定するGTRを提案した。物体検出には任意の方式を使用でき、かつ軌跡の推定と物体検出を合わせて訓練できるとの主張。

物体検出にCenterNet2を使用したTAOベンチマークでは、従来手法を上回る結果。物体検出にDLA-34バックボーンのCenterNetを使用したMOT17ベンチマークでも、従来手法と同等の結果。

着眼点の良さと、TAOベンチマークにおける追跡性能の高さで通ったと考えられる。Detectron2ベースの実装( https://github.com/xingyizhou/GTR )が公開されている。